Zastanawiając się nad prawdopodobieństwem odkrycia zaawansowanego technologicznie życia pozaziemskiego, często pojawia się pytanie: „jeśli oni tam są, dlaczego jeszcze ich nie znaleźliśmy?” I często odpowiedź jest taka, że przeszukaliśmy tylko niewielką część galaktyki. Co więcej, algorytmy opracowane dziesiątki lat temu dla najwcześniejszych komputerów cyfrowych mogą być przestarzałe i nieefektywne, gdy zostaną zastosowane do nowoczesnych zbiorów danych w skali petabajtów. Teraz badania opublikowane w Nature Astronomy i prowadzone przez studenta studiów licencjackich na Uniwersytecie w Toronto, Petera Ma, wraz z naukowcami z Instytutu SETI, Breakthrough Listen i naukowych instytucji badawczych na całym świecie, zastosowały technikę głębokiego uczenia się do wcześniej badanego zbiór danych pobliskich gwiazd i odkrył osiem wcześniej niezidentyfikowanych sygnałów zainteresowania.
„W sumie przeszukaliśmy 150 TB danych 820 pobliskich gwiazd w zbiorze danych, który był wcześniej przeszukiwany w 2017 roku klasycznymi technikami, ale został oznaczony jako pozbawiony interesujących sygnałów” – powiedział główny autor Peter Ma. „Dzisiaj zwiększamy wysiłki poszukiwawcze do 1 miliona gwiazd za pomocą teleskopu MeerKAT i dalej. Wierzymy, że taka praca pomoże przyspieszyć tempo, w jakim jesteśmy w stanie dokonywać odkryć w naszym wielkim wysiłku, aby odpowiedzieć na pytanie„ czy jesteśmy sami we wszechświecie?'”
Poszukiwanie inteligencji pozaziemskiej (SETI) szuka dowodów na istnienie pozaziemskiej inteligencji pochodzącej spoza Ziemi, próbując wykryć technosygnatury lub dowody technologii, które mogły rozwinąć obce cywilizacje. Najpopularniejszą techniką jest poszukiwanie sygnałów radiowych. Radio to świetny sposób na przesyłanie informacji na niewiarygodne odległości między gwiazdami; szybko przechodzi przez pył i gaz, które przenikają przestrzeń kosmiczną, i robi to z prędkością światła (około 20 000 razy szybciej niż nasze najlepsze rakiety). Wiele wysiłków SETI wykorzystuje anteny do podsłuchiwania wszelkich sygnałów radiowych, które kosmici mogą nadawać.
W badaniu tym ponownie przeanalizowano dane zebrane za pomocą teleskopu Green Bank Telescope w Wirginii Zachodniej w ramach kampanii Breakthrough Listen, która początkowo nie wskazywała na interesujące cele. Celem było zastosowanie nowych technik głębokiego uczenia się do klasycznego algorytmu wyszukiwania, aby uzyskać szybsze i dokładniejsze wyniki. Po uruchomieniu nowego algorytmu i ręcznym ponownym zbadaniu danych w celu potwierdzenia wyników nowo wykryte sygnały miały kilka kluczowych cech:
Sygnały były wąskopasmowe, co oznacza, że miały wąską szerokość widmową, rzędu zaledwie kilku Hz. Sygnały spowodowane zjawiskami naturalnymi są zazwyczaj szerokopasmowe. Sygnały miały niezerowe współczynniki dryfu, co oznacza, że sygnały miały nachylenie. Takie zbocza mogą wskazywać, że źródło sygnału miało pewne względne przyspieszenie w stosunku do naszych odbiorników, a zatem nie było lokalne dla obserwatorium radiowego. Sygnały pojawiły się w obserwacjach źródła ON, a nie w obserwacjach źródła OFF. Jeśli sygnał pochodzi z określonego źródła niebieskiego, pojawia się, gdy kierujemy teleskop na cel i znika, gdy odwracamy wzrok. Zakłócenia radiowe człowieka zwykle występują podczas obserwacji ON i OFF, ponieważ źródło znajduje się blisko.
Cherry Ng, inny doradca naukowy Ma i astronom zarówno w Instytucie SETI, jak i Francuskim Narodowym Centrum Badań Naukowych, powiedział: „Wyniki te w dramatyczny sposób ilustrują siłę zastosowania nowoczesnych metod uczenia maszynowego i widzenia komputerowego do wyzwań związanych z danymi w astronomii, czego wynikiem jest zarówno nowe detekcje, jak i wyższa wydajność. Zastosowanie tych technik na dużą skalę będzie przełomowe dla nauki o technosygnaturach radiowych”.
Chociaż ponowne zbadanie tych nowych celów będących przedmiotem zainteresowania nie doprowadziło jeszcze do ponownego wykrycia tych sygnałów, to nowe podejście do analizy danych może umożliwić naukowcom skuteczniejsze zrozumienie gromadzonych danych i szybkie podjęcie działań w celu ponownego zbadania celów. Ma i jego doradca dr Cherry Ng nie mogą się doczekać wdrożenia rozszerzeń tego algorytmu w systemie COSMIC Instytutu SETI.
Odkąd eksperymenty SETI rozpoczęły się w 1960 r. od projektu Ozma Franka Drake’a w Obserwatorium Greenbank, miejscu, w którym obecnie znajduje się teleskop używany w tej ostatniej pracy, postęp technologiczny umożliwił naukowcom zebranie większej ilości danych niż kiedykolwiek. Ta ogromna ilość danych wymaga nowych narzędzi obliczeniowych do szybkiego przetwarzania i analizowania tych danych w celu zidentyfikowania anomalii, które mogą świadczyć o inteligencji pozaziemskiej. To nowe podejście do uczenia maszynowego otwiera nowe możliwości w dążeniu do odpowiedzi na pytanie „czy jesteśmy sami?”