Naukowcy opracowali sieć neuronową, która filtruje zakłócenia i skuteczniej wykrywa nietypowe kosmiczne sygnały radiowe podczas poszukiwania pozaziemskiej inteligencji. Takie informacje podaje Motherboard.
Uczestnicy projektu SETI wykorzystali obserwacje z 820 gwiazd w postaci 115 milionów fragmentów danych. Model opracowany przy użyciu bibliotek TensorFlow i Python Keras zidentyfikował następnie około 3 milionów sygnałów zainteresowania.
Zespół zmniejszył ich liczbę do 20 515. Jest to 100 razy mniej niż w przypadku poprzedniej analizy przeprowadzonej na tym samym zbiorze danych.
W sumie zespół zidentyfikował osiem wcześniej niewykrytych potencjalnie interesujących sygnałów. Dalsze analizy mogą potwierdzić ich pozaziemskie pochodzenie. Jeśli tak jest, naukowcy będą musieli dowiedzieć się, z jaką technologią się zetknęli.
Według głównego autora badania, Petera Ma, w najlepszym wypadku sygnały te mogłyby zawierać wbudowane informacje o rozwoju lub nawet zestaw technosygnatur od obcej cywilizacji. „Jednak nie liczymy na to” – powiedział Ma.
Eliminacja elementu ludzkiego
Według badania, nowe podejście całkowicie eliminuje element ludzki z procesu wyszukiwania.
„Wcześniej ludzie wstawiali komponenty uczenia maszynowego do różnych rurociągów, aby ułatwić wykrywanie. Ta praca opiera się całkowicie na sieci neuronowej […] i daje wyniki niedostępne dla tradycyjnych algorytmów.”
Naukowcy poinformowali również, że fale radiowe pochodzące z kosmosu można łatwo pomylić z naziemnymi. Oddzielenie tych sygnałów od siebie może pochłonąć ogromną ilość wysiłku i czasu – dodają.
Według Ma, sieć neuronowa znacznie przyspiesza ten proces. Algorytm nie tylko identyfikuje i klasyfikuje dane, ale także filtruje zakłócenia naziemne.
Oprócz dwukrotnego przyrostu szybkości przetwarzania sygnału w porównaniu z tradycyjnymi metodami, sieć neuronowa pozwala również na rodzaj nieszablonowego myślenia. Ma powiedział:
„Tradycyjne algorytmy pracują z danym zestawem instrukcji zaprojektowanych przez człowieka […]. Model będzie więc wykrywał tylko to, co mu każemy”.
Według niego, problem leży w nieznanej naturze sygnałów obcych. Nieszablonowe myślenie sieci neuronowej pomoże lepiej ją badać bez ludzkich uprzedzeń, powiedział naukowiec.
Przypomnijmy, że w grudniu 2022 roku naukowcy wykorzystali AI do wykrycia 1000 nieznanych wcześniej supernowych. W lipcu nauczono algorytm AI klasyfikować tysiące galaktyk w ciągu sekundy.
