AI人工智慧尋找外星生命體

英國普利茅斯大學（Plymouth University）的最新研究發現，人工智慧可以幫助天文學家尋找外星生命。該學校的科學家正在通過人工神經網路（ANNs）來預測其他行星上存在生命的可能性，進而為未來星際空間任務尋找有望實現的目標。這些新發現於4月4日在利物浦的歐洲天文與空間科學周刊（European Week of Astronomy and Space Science）上公布。

普利茅斯大學機器人與神經系統研究中心的研究員Christopher Bishop在一份聲明中說： 「我們目前對這些ANNs感興趣，因為它們可能實現一種能夠在一定範圍內掃描一個系外行星的假想的、智能的星際飛船。」他補充說，「我們也在考慮使用大面積可部署的平面Fresnel天線，以便可以將星際探測器的數據遠距離地傳回地球。這種技術的應用對於未來的機器人宇宙飛船是必不可少的。」

基於待預測行星與現在的地球、早期地球、火星、金星以及土星的最大衛星Titan的相似程度，普利茅斯團隊訓練他們的神經網路將行星歸類於這五個不同的類別之一。

這些星球是相似的，它們皆為岩質行星，空中有大氣層，儘管它們的組成成分多有不同。根據新的證據，除了地球之外，火星和Titan是太陽系中尋找外星生命最有希望的兩個目標，而NASA的JPL空間科學研究的Kevin M.Gill說到：「土星的最大衛星Titan是太陽系中最有可能蘊含外星生命的星球之一「。對於焦熱的金星而言，也具有孕育生命的一些可能的條件。

ANN是一種試圖模擬人類大腦學習方式的系統。作為機器學習中最常用的工具之一，當涉及到對大數據集進行複雜的模式識別時，它的效果很好，而這一過程對於人類科學家來說是既困難又費時。因此，一個能夠對大量行星的可居住性進行預測的ANN可以節省科學家的時間，並幫助他們集中精力於最有前途的目標之上。

科學家們對ANN模型輸入了來自五類星球的大氣觀測數據：光譜值，由於目前已知的生命只存在於地球上，所以使用的是「生命概率」作為測量準則對它們進行分類。這個準則是基於這五類星球的大氣和軌道特性確定的。

Bishop已經用了上百種不同的光譜分布圖對這個網路進行了訓練來確定其孕育生命的能力，每一個光譜圖對應幾百個參數，這些參數都是用于衡量星球的可居住性。到目前為止，網路在一個以往從未見過的測試光譜分布圖上表現良好。

研究人員希望，當NASA的詹姆斯韋伯太空望遠鏡和歐洲航天局的Ariel太空任務開始為潛在的宜居外行星提供更詳細的大氣觀測時，他們的技術可以大展拳腳。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！