SETI 认为人工智能可以帮助火星探测器寻找生命

火星表面面积超过 144,370,000 平方英里，很多地方都可能隐藏着潜在的生命迹象。考虑到当前和未来火星探测器的时间极其宝贵，这使得高效寻找潜在古代微生物和生物的证据变得更具挑战性。为了公平起见，SETI 再次求助于人工智能和机器学习，努力计算出火星探测器——也许有一天，宇航员——最有可能和最有希望寻找生命线索的地方。正如周一《自然天文学》杂志首次详细介绍的那样，该团队的新 AI 机器学习模型已经显示出加快人类寻找外星生命的潜力。

[相关：想去火星旅行吗？以下是这次旅行可能需要的时间。]

为了构建 AI，由 SETI 研究所高级研究员 Kim Warren-Rhodes 领导的跨学科项目使用来自帕霍纳莱斯盐沼地区的数据集训练了一个程序。帕霍纳莱斯位于智利阿塔卡马沙漠和高原的边界，海拔高、气候干旱、盐湖床干燥、紫外线充足，光合微生物稀疏，堪称火星的典型代表。该团队收集了该地区岩石、晶体和盐丘的 7,765 多张图片和 1,154 个样本，然后将这些信息与其他数据集结合使用，教他们的程序理解和检测具有微小生物特征的区域。将 AI/ML 程序转向新的附近区域后，系统成功找到类似生物特征的概率接近 88%，而之前随机搜索的概率不到 10%。新方法还将必要的搜索区域减少到 97%。

罗德斯在一份声明中解释道：“我们的框架使我们能够将统计生态学的力量与机器学习结合起来，发现并预测大自然在地球上最恶劣的环境中生存和分布的模式和规则。”他们还表示希望其他天体生物学家能够采用这种方法来绘制其他环境的地图，并检测更多的生物特征。“有了这些模型，我们可以设计量身定制的路线图和算法，引导探测器到达过去或现在生命存在可能性最高的地方——无论这些地方多么隐蔽或稀有，”她说。

[相关：在火星上探测到过去化学反应的迹象。]

另一位团队成员娜塔莉·A·卡布罗尔 (Nathalie A. Cabrol) 说：“虽然高生物特征检测率是这项研究的核心成果，但同样重要的是，它成功地整合了从轨道到地面分辨率差异巨大的数据集，并最终将区域轨道数据与微生物栖息地联系起来。”
随着时间的推移，该团队希望他们和其他天体生物学家团体能够继续建立协作数据集，通过将它们纳入未来的行星探测器，来帮助寻找外星生命。