U potrazi za izvanzemaljskim životom najveća opasnost možda neće biti samo to da nešto važno propustimo. Jednako ozbiljan problem mogao bi biti da u podacima vidimo trag života ondje gdje ga zapravo nema. Novo istraživanje pokazuje da se to ne događa samo ljudima, nego i modelima umjetne inteligencije.
Potraga za životom već je puna lažnih uzbuna
Pitanje jesmo li sami u svemiru jedno je od najstarijih i najupornijih pitanja moderne znanosti. Svaki neobičan radiosignal, svaka neobjašnjena kemijska pojava u atmosferi nekog planeta i svaki neobičan objekt na snimci mogu nakratko probuditi nadu da smo se približili odgovoru.
No povijest potrage za izvanzemaljskim životom pokazuje koliko je lako pogriješiti. Signali koji su izgledali tajanstveno često su imali zemaljsko objašnjenje. Plinovi koji su se činili mogućim tragom biologije mogli su nastati geološkim ili kemijskim procesima. Ono što se u javnosti brzo pretvaralo u priču o izvanzemaljcima kasnije se smirilo u mnogo manje uzbudljivom, ali znanstveno točnijem objašnjenju.
Zato je svaka potraga za životom izvan Zemlje ujedno i potraga za načinom kako izbjeći pogrešne zaključke. Buduće misije na Mars, ledene mjesece Jupitera i Saturna te promatranja atmosfera dalekih egzoplaneta proizvodit će goleme količine podataka. U takvom svijetu umjetna inteligencija izgleda kao prirodan saveznik. Može pretraživati velike skupove podataka, uočavati obrasce i izdvajati ono što ljudskom oku možda promakne.
Problem je u tome što model može pronaći obrazac i onda ga potpuno krivo protumačiti.
Na to upozoravaju Ankit Gupta i Christoph Adami sa Sveučilišta Michigan State. Njihovo istraživanje pokazuje da se današnji modeli umjetne inteligencije mogu prevariti tako da prepoznaju znakove života u sustavima koji zapravo nemaju sposobnost samostalnog kopiranja. Rezultati su predstavljeni u kolovozu na konferenciji Artificial Life 2026 u Waterloou u Kanadi.
Život nema jedan jednostavan potpis
Jedan od razloga zbog kojih je potraga za izvanzemaljskim životom toliko teška jest to što ne postoji jedan univerzalni dokaz. Ne postoji kemijski, svjetlosni ili strukturni znak koji bi sam po sebi značio: ondje je život.
Znanstvenici zato traže skupove tragova. To mogu biti molekule, omjeri plinova, strukture u uzorcima, sezonske promjene ili drugi obrasci koji zajedno mogu upućivati na biološke procese. Ali svaki takav trag mora se tumačiti oprezno jer neživi procesi mogu proizvesti iznenađujuće slične signale.
Adami ističe jednu osobinu koja je posebno važna za život kakav poznajemo: život mora pohranjivati i prenositi informaciju. Na Zemlji to rade molekule poput DNK, koje nose upute za izgradnju i funkcioniranje organizama. Kada se organizmi razmnožavaju, te se upute kopiraju, a tijekom kopiranja mogu nastati promjene. Bez takvog prijenosa informacije nema evolucije u poznatom smislu.
Gupta i Adami odlučili su ispitati može li umjetna inteligencija prepoznati upravo takvu sposobnost u vrlo kontroliranom okruženju. Umjesto stvarnih stanica, molekula ili uzoraka s Marsa, upotrijebili su digitalne organizme stvorene u računalnom programu Avida.
Avida je alat koji se već desetljećima koristi za proučavanje evolucije u računalnom okruženju. U njemu digitalni organizmi nisu živa bića u biološkom smislu, nego nizovi računalnih naredbi. Neki od tih nizova imaju upute koje im omogućuju da se kopiraju. Drugi ih nemaju. Kada se kopiranje dogodi, u kodu mogu nastati promjene, slično mutacijama u stvarnom genetskom zapisu.
Takav sustav omogućio je istraživačima da umjetnoj inteligenciji postave jasno pitanje: može li razlikovati digitalne organizme koji se mogu kopirati od onih koji to ne mogu?
Model je učio gotovo savršeno, ali je ipak nasjeo
Istraživači su stvorili desetke tisuća digitalnih organizama. Dio njih imao je naredbe potrebne za samokopiranje, a dio nije. Zatim su tim podacima trenirali neuralnu mrežu.
Na prvi pogled, rezultat je bio iznimno dobar. Model je naučio razlikovati dvije skupine s točnošću od 99,97 posto. Takav broj djeluje uvjerljivo, osobito u kontekstu budućih svemirskih misija u kojima bi umjetna inteligencija mogla pomagati u analizi uzoraka, kemijskih potpisa ili složenih podataka iz svemirskih instrumenata.
Ali pravi problem pojavio se kada su istraživači modelu dali primjere koje prije nije vidio.
Počeli su s digitalnim organizmom za koji je neuralna mreža točno zaključila da se ne može sam kopirati. Zatim su postupno mijenjali njegov kod, zamjenjujući jednu računalnu naredbu drugom. Nakon relativno malog broja pokušaja model je počeo griješiti. U nekim slučajevima bilo je dovoljno oko 150 takvih zamjena da neuralna mreža isti tip organizma pogrešno označi kao sposoban za samokopiranje.
To je ključni trenutak istraživanja. Model nije samo pogriješio. On je s uvjerenjem prepoznao trag života ondje gdje osnovne sposobnosti za takav život nije bilo.
Gupta je upozorio da su istraživači uspjeli prevariti model bez obzira na početni niz naredbi. Prema njihovim rezultatima, umjetna inteligencija mogla je biti navedena na pogrešan zaključak u svakom testiranom slučaju. Adami dodaje da je broj mogućih nizova koji mogu zbuniti mrežu vrlo velik, što znači da rizik nije zanemariv.
Rover na Marsu ne smije sam odlučiti da je pronašao život
Za astrobiologiju je ovo više od tehničkog problema. Buduće misije možda će sve više koristiti umjetnu inteligenciju u samim instrumentima. Rover na Marsu mogao bi analizirati uzorak tla. Sonda bi mogla ispitivati materijal iz ledenog mjeseca. Teleskop bi mogao pretraživati atmosfere egzoplaneta u potrazi za plinovima koji bi mogli upućivati na biološku aktivnost.
U mnogim takvim situacijama podaci neće odmah biti jednostavni za ljudsku provjeru. Instrumenti će morati izdvajati zanimljive signale, birati što dodatno analizirati i slati najvažnije rezultate prema Zemlji. Ako model pogrešno označi nešto kao mogući trag života, cijela misija može krenuti za lažnim signalom.
To ne znači da umjetna inteligencija nema mjesto u potrazi za životom izvan Zemlje. Naprotiv, bez nje će obrada budućih podataka biti sve teža. Ali istraživanje sa Sveučilišta Michigan State pokazuje da se takvim sustavima ne smije prepustiti konačna riječ.
Adami zato naglašava da je potrebna neovisna provjera. Drugim riječima, čovjek mora ostati u procesu. Umjetna inteligencija može upozoriti na zanimljiv uzorak, ali taj se uzorak mora provjeriti drugim metodama, drugim instrumentima i drugim objašnjenjima.
Ista slabost ne vrijedi samo za svemirske misije. Ako model može pogrešno protumačiti obrazac u potrazi za digitalnim životom, sličan problem može se pojaviti i u medicinskim skenerima, sigurnosnim kamerama, autonomnim vozilima i drugim sustavima koji već ulaze u svakodnevni život.
Sljedeći korak istraživača bit će treniranje modela na stvarnim podacima kako bi vidjeli koliko ga je lako prevariti izvan računalno stvorenog okruženja. Tek tada će biti jasnije koliko je ovaj rizik ozbiljan za buduće misije koje će tražiti život izvan Zemlje.
Do tada ostaje neugodno upozorenje. Prvi signal koji bude izgledao kao trag života možda neće biti dokaz da nismo sami. Mogao bi biti dokaz da je stroj u nepoznatom obrascu vidio ono što smo se najviše nadali pronaći.