研究人员使用人工智能搜索来自外星人的信号

雅加达 - 研究人员成功地使用一种新算法根据望远镜的数据搜索外星生命。通过这种方式，他们可以区分真实信号和类别内的干扰。

他们还可以通过称为机器学习的人工智能（AI）过程快速筛选信息并找到模式。

这项研究由多伦多大学的研究人员领导，旨在通过放置技术生成的信号或技术签名来寻找宇宙中的其他高级生命。

因为，许多人认为先进的外星文明将足够复杂，可以传输该信号。自1960年代以来，从事搜寻外星智能（SETI）的天文学家使用强大的射电望远镜搜索数千颗恒星和数百个星系，寻找这项技术的迹象。

尽管用于搜索的望远镜位于手机和电视台等技术干扰最小的地区，但人类仍然是一个巨大的挑战。

“在我们的许多观察中，有很多干扰。我们需要区分外层空间有趣的无线电信号和来自地球的没有吸引力的无线电信号，“多伦多大学本科生和研究员Peter Ma说，他也撰写了这篇论文并将其发表在《自然天文学》杂志上。

本研究中使用的数据来自西弗吉尼亚州的绿岸望远镜，这是Breakthrough Listen技术签名搜索项目的主要设施之一。

此外，通过模拟这两种类型的信号，研究人员已经训练了他们的机器学习工具，以区分类似外星人的信号和人为产生的干扰。

他们比较了一系列不同的机器学习算法，研究了它们的精度和误报率，然后利用这些信息来解决由马云设计的稳健算法。

这种新算法导致了八个新的无线电信号的发现，这些信号有可能成为外星智能的传输。这八个信号来自五颗不同的恒星，距离地球30至90光年。

这些信号在之前对相同数据的分析中被忽略了，这些数据没有使用机器学习。对于SETI团队来说，这些信号很重要，原因有两个。

“首先，当我们看星星时它们存在，当我们移开视线时，它们不存在，这与通常总是存在的局部干扰形成鲜明对比。其次，信号的频率随着时间的推移而变化，以至于它看起来离望远镜很远，“绿岸望远镜突破听力项目科学家史蒂夫克罗夫特博士解释说。

Croft补充说，重要的是要意识到，当你有一个包含数百万个信号的数据集时，有时信号可以同时具有上述两个特征，这纯粹是巧合。

“这就像走过碎石路，发现一块石头卡在鞋底，似乎非常合身，”克罗夫特说。

出于这个原因，尽管信号似乎是研究人员期望从外星信号中获得的信号，但他们还不确定它来自外星智能，至少在他们再次看到相同的信号之前。

当使用绿岸射电望远镜进行简短观测时，没有发现可以指示外星信号的模式。现在，研究人员正在进行更多的观察和分析。

马云将他创建的算法称为机器学习的两个子类型的组合，即监督学习和无监督学习。

他的方法被称为半无监督学习，涉及使用监督技术来指导和训练算法，帮助它用无监督学习技术进行推广，以便更容易地在数据中发现新的隐藏模式。

多伦多大学邓拉普天文学和天体物理研究所的研究员，该论文的合著者Cherry Ng说，新想法在SETI这样的领域尤为重要。

“通过挖掘每种技术的数据，我们也许能够找到有趣的信号，”吴恩达说，他自2020年夏天以来一直在与马云合作。

正如1月31日星期二本研究的官方发布所引述的那样，展望未来，Ma，Ng和SETI团队的其他成员希望扩展他们的新算法并将其应用于其他数据集和天文台。