Peneliti Gunakan AI untuk Cari Sinyal dari Alien
Para peneliti berhasil menggunakan algoritma baru untuk mencari kehidupan di luar bumi.(foto: dok. unsplash)

Bagikan:

JAKARTA - Para peneliti berhasil menggunakan algoritma baru untuk mencari kehidupan di luar bumi berdasarkan data dari teleskop. Dengan cara ini, mereka dapat membedakan antara sinyal nyata dan interferensi dalam sebuah kategori.

Mereka juga dapat dengan cepat memilah-milah informasi dan menemukan pola, melalui proses Kecerdasan Buatan (AI) yang dikenal sebagai pembelajaran mesin.

Penelitian ini, yang dipimpin oleh para peneliti dari University of Toronto bertujuan untuk menemukan kehidupan maju lainnya di alam semesta dengan melibatkan penempatan sinyal yang dihasilkan secara teknologi atau technosignatures.

Sebab, tidak sedikit diasumsikan peradaban luar angkasa yang maju akan cukup canggih untuk memancarkan sinyal itu. Sejak 1960-an, para astronom yang mengerjakan Pencarian Kecerdasan Luar Angkasa atau SETI telah menggunakan teleskop radio yang kuat untuk mencari ribuan bintang dan ratusan galaksi untuk tanda-tanda teknologi ini.

Meskipun teleskop yang digunakan untuk pencarian itu berada di daerah yang minim gangguan teknologi seperti ponsel dan stasiun TV, tetap saja manusia masih menjadi tantangan besar.

“Dalam banyak pengamatan kami, ada banyak gangguan. Kita perlu membedakan sinyal radio yang menarik di luar angkasa dari sinyal radio yang tidak menarik dari Bumi," ungkap seorang mahasiswa sarjana dan peneliti Universitas Toronto, Peter Ma, yang juga menulis makalah ini dan diterbitkan di jurnal Nature Astronomy.

Data yang digunakan dalam studi ini berasal dari Green Bank Telescope di West Virginia, yang merupakan salah satu fasilitas utama yang terlibat dalam proyek pencarian technosignature Breakthrough Listen.

Lebih lanjut, dengan mensimulasikan sinyal dari kedua jenis, peneliti telah melatih alat pembelajaran mesin mereka untuk membedakan antara sinyal seperti makhluk luar angkasa dan interferensi yang dihasilkan manusia.

Mereka membandingkan serangkaian algoritma pembelajaran mesin yang berbeda, mempelajari presisi dan tingkat positif palsunya, lalu menggunakan informasi tersebut untuk menyelesaikan algoritma yang kuat, yang dibuat oleh Ma.

Algoritma baru ini telah menghasilkan penemuan delapan sinyal radio baru yang berpotensi menjadi transmisi dari kecerdasan luar angkasa. Kedelapan sinyal tersebut berasal dari lima bintang berbeda, yang terletak 30 hingga 90 tahun cahaya dari Bumi.

Sinyal-sinyal itu diabaikan dalam analisis sebelumnya terhadap data yang sama, yang tidak menggunakan pembelajaran mesin. Bagi tim SETI, sinyal-sinyal tersebut dianggap penting karena dua alasan.

“Pertama, mereka hadir saat kita melihat bintang dan tidak hadir saat kita berpaling, ini berlawanan dengan interferensi lokal, yang umumnya selalu hadir. Kedua, frekuensi sinyal berubah dari waktu ke waktu sedemikian rupa sehingga tampak jauh dari teleskop,” jelas Ilmuwan Proyek untuk Mendengarkan Terobosan di Teleskop Green Bank, Dr. Steve Croft.

Croft menambahkan, penting untuk menyadari ketika memiliki kumpulan data yang berisi jutaan sinyal, terkadang sinyal dapat memiliki dua karakteristik seperti yang sudah dijelaskan, hanya karena kebetulan belaka.

"Ini seperti berjalan melintasi jalan berkerikil dan menemukan batu yang tersangkut di tapak sepatu Anda yang tampaknya sangat pas," kata Croft.

Untuk alasan ini, meskipun sinyal muncul seperti yang diharapkan peneliti dari sinyal luar angkasa, mereka belum yakin itu berasal dari kecerdasan luar angkasa, setidaknya sampai mereka melihat sinyal yang sama lagi.

Ketika pengamatan singkat dilakukan dengan menggunakan Teleskop Radio Green Bank, pola yang dapat menunjukkan sinyal luar angkasa tidak ditemukan. Sekarang, lebih banyak pengamatan dan analisis sedang dilakukan oleh para peneliti.

Ma mengacu pada algoritma yang dia buat sebagai kombinasi dari dua subtipe pembelajaran mesin, yakni pembelajaran terawasi dan pembelajaran tak terawasi.

Disebut pembelajaran semi-tanpa pengawasan, pendekatannya melibatkan penggunaan teknik yang diawasi untuk memandu dan melatih algoritma, membantunya menggeneralisasi dengan teknik pembelajaran tanpa pengawasan, sehingga pola tersembunyi baru dapat lebih mudah ditemukan dalam data.

Rekan peneliti di Institut Dunlap untuk Astronomi dan Astrofisika Universitas Toronto dan penulis kedua di makalah tersebut, Cherry Ng mengungkapkan ide-ide baru sangat penting dalam bidang seperti SETI.

“Dengan mengorek data dengan setiap teknik, kami mungkin dapat menemukan sinyal yang menarik," ujar Ng, yang telah mengerjakan proyek ini dengan Ma sejak musim panas 2020.

Dikutip dari rilis resmi penelitian ini, Selasa, 31 Januari, ke depannya, Ma, Ng, dan tim SETI lainnya berharap dapat memperluas algoritma baru mereka dan menerapkannya ke kumpulan data dan observatorium lainnya.