Kako umjetna inteligencija može pomoći u pronalasku života na Marsu ili ledenim svjetovima

Znanstvenici istražuju mogućnost korištenja umjetne inteligencije (AI) u pronalasku znakova života na drugim planetima, uključujući Mars. Trenutno, istraživači imaju ograničene mogućnosti prikupljanja uzoraka ili pristupa daljinskim senzorima pri traženju života izvan Zemlje. Međutim, nedavna interdisciplinarna istraživanja koja je vodila viša istraživačica SETI instituta, Kim Warren-Rhodes, pokazala su da umjetne inteligencija može pomoći u ovoj potrazi.

U studiji objavljenoj u časopisu Nature Astronomy, istraživački tim je mapirao rijetki život skriven u solarnim kupolama, kamenju i kristalima u Salar de Pajonalesu, slanoj visinskoj i hipersuhom pustinji smještenoj na granici Atacama pustinje i Altiplana u Čileu. Koristeći statističku ekologiju i AI/ML tehnike, tim je obučio strojno učenje da prepozna obrasce i pravila koja su povezana s distribucijom biopotpisa, što su potencijalni pokazatelji prošlog ili sadašnjeg života.

Pomoću ovog modela strojnog učenja, tim je mogao locirati i otkriti biopotpise u 87,5% slučajeva, značajno više od uspjeha slučajne pretrage koji iznosi ≤10%. Model AI/ML također je smanjio područje pretrage za do 97%. Istraživači se nadaju da se njihov pristup može prilagoditi drugim naseljivim okruženjima kako bi se otkrila i predvidjela pravila i obrasce kojima priroda opstaje i distribuira se.

Krajnji cilj je stvoriti slične algoritme i modele strojnog učenja za različite vrste naseljivih okruženja i biopotpisa, koje se mogu koristiti na planetarnim robotima kako bi se vodiči za misije usmjerili na područja s najvećom vjerojatnošću sadržaja života. Na primjer, istraživači testiraju kako učinkovito integrirati dronove s zemljanim roverima, bušilicama i instrumentima kako bi se tražilo biopotpise na Marsu.

Prema istraživanju, mikrobni život na terestričkom analognom mjestu Pajonales nije slučajno raspoređen, već koncentriran u specifičnim područjima poznatim kao patchy biološke točke. Ove točke su snažno povezane s dostupnošću vode na različitim razmjerima, od kilometara do centimetara. Istraživački tim trenutno radi na testiranju sposobnosti modela strojnog učenja za predviđanje lokacije i distribucije drevnih fosila stromatolita i halitnih mikrobioma. Kako se prikuplja više dokaza, planiraju testirati hipoteze o tome kako život preživljava u ekstremnim okruženjima i stvarati plaveprintove vjerojatnosti biopotpisa za ključne analogne ekosustave i biome Zemlje.