Ha akad terület, ahol a mesterséges intelligencia igazán remekelhet, az nem annyira az egyetemi beadandók megírása, sokkal inkább a brutális adattömegek elemzése. Nem is csoda, hogy a SETI kutatói egyre gyakrabban nyúlnak ehhez a módszerhez, és az eddigi legígéretesebb kísérlet a témában egy egyetemi hallgatóhoz kötődik – mint arról a Popular Science beszámol.

Az elmúlt években Peter Ma, a Torontói Egyetem harmadéves matematika-fizikahallgatója a SETI és a Breakthrough Listen mentorai mellett dolgozott. A SETI-t nyilván senkinek sem kell bemutatni, a Breakthrough Listen-ről pedig már korábban írtunk a lenti cikkünkben, de azért itt egy kis ismétlés: a 100 millió dolláros projektet a milliárdos Yuri Milner támogatta, és Andrew Siemion, a Berkeley Egyetem kutatója vezeti. A 2015-ben indult Breakthrough Listen keretében lényegében megfigyelési időt vásárolnak rádióteleszkópokban, hogy idegen civilizációk nyomait kutassák.

Akár idegen civilizációra is utalhat a Proxima Centauriból érkező rádiójel A jel sok tekintetben vall arra, hogy mesterségesen, technológiai úton gerjesztették, és bár akadhat más magyarázat is, az 1977-es WOW-jel óta ez utalhat a leginkább egy idegen civilizáció tevékenységére.

Azonban a cél a hasonló kutatásokban megegyezik: olyan technológiai lenyomatok (technosignatures) beazonosítása, amelyek idegen civilizációra utalhatnak. Habár technológiai lenyomat alatt sok mindent lehet érteni a tárgyi bizonyítéktól kezdve egészen egy idegen bolygó légkörének az összetételéig, jelen esetben rádiójelekről beszélünk, egész pontosan olyan keskeny sávon sugárzott jelekről, melyekhez egy „célirányosan épített adókészülék” szükséges.

Ma algoritmusa azonban jelentősen különbözik az eddigi megközelítésektől: míg a korábbi rendszerek csak az emberek által pontosan meghatározott anomáliákat azonosították, Ma mély tanulásos algoritmusa olyan alternatív megközelítést tesz lehetővé, amelyekre az emberek által diktált relatíve szigorúan beprogramozott rendszerek nem képesek. Ma a Popular Science-nek írt e-mailben mindezt így foglalja össze:

„Az emberek a gépi tanulás vagy a mély tanulás összetevőit illesztették be a keresési technikákba, hogy segítsék őket a keresésben. A mi technikánk viszont maga a keresés, ami azt jelenti, hogy az egész folyamatot gyakorlatilag egy neurális hálózat helyettesíti, vagyis ez már nem csak egy komponens, hanem az egész.”

Az eredmények, melyek a Nature Astronomy-ban kerültek publikálásra, pedig már most elég ígéretesek: a rendszer már most nyolc új, érdeklődésre számot tartó jelet talált. Ma mély tanulási programja ugyanis potenciálisan idegen technológiára utaló bizonyítékokat talált abban a 150 TB-nyi adatban, amely 820 közeli csillagról származik, és amelyeket korábban klasszikus technikákkal már elemeztek, de akkoriban nem sikerült semmi érdekeset azonosítani ebben az adatrengetegben.

Ma szerint egyébként az eddigi rendszerekkel az volt a baj, hogy túlságosan korlátozottak voltak: a korábbi rendszereket ugyanis szimulált rádiójelekkel tanították be, és ezek épp ezért csak és kizárólag ilyeneket kerestek – ám képtelenek voltak ezektől a konkrét jelektől elvonatkoztatni és általánosságban vett, bármiféle anomáliát beazonosítani az észlelt jelekben. Jegyezzük meg, hogy a mesterséges intelligencia adott esetben meglepő mintázatokat képes kiolvasni a brutális adatmennyiségből – korábban például egy MI nagyon pontosan beazonosította mindössze a képalkotó eljárásokkal a csontozatról készült felvételek alapján, hogy az adott páciens melyik rasszba tartozik, és még a szakemberek sem értették, hogyan volt erre képes ez a rendszer.

Azonban Ma szerint a szabadjára eresztett rendszerekkel is baj volt: ezek ugyanis maguktól szinte mindenhol anomáliát láttak, így az általuk megjelölt anyag túlnyomó része érdektelen volt. Ma és a csapata arra jöttek rá, hogy ha a program betanítása közben megváltoztatják a súlyozottan figyelemre érdemes szempontokat, úgy mindkét módszer legjobb tulajdonságát sikerül egyesíteni. Vagyis a program képes általánosabb értelemben vett anomáliákat azonosítani, de mégsem jelöli meg ilyenként a legapróbb eltéréseket is.

Mindez persze nem jelenti, hogy akkor mindenki csomagolhat és mehet is haza, majd a mesterséges intelligencia talál nekünk idegeneket, Ma elmondása szerint ugyanis az algoritmus egy eszköz, és egyrészt szükség van emberi felügyeletre, másrészt a rendszer további mérnöki munkát igényel még, hogy képes legyen mindazt megtanulni, amire a kutatóknak szüksége van. Ma az észlelt jelek kapcsán elmondta azt is, hogy ezek statisztikailag valószínűtlen, hogy valóban idegen civilizációtól származnának – azaz az eredetükre akad ennél valószínűbb magyarázat is. Ettől független a módszer nagyon ígéretes, hiszen egy nagyon hasznos eszközzel gazdagítja a tudósokat, és ennek megfelelően Ma mind a SETI, mind a Breakthrough Listen keretében alkalmazná immár folyamatos 24 órás megfigyeléssel a dél-afrikai MeerKAT teleszkópban.

(Kép: Pixabay/KELLEPICS)