La IA está de moda. Aplicaciones como la popular GPT-chat, capaces de responder con lenguaje natural a cualquier duda o pregunta sobre los temas más dispares, se han convertido en pocas semanas en un fenómeno mundial. Él Inteligencia artificial Llegó para quedarse, y la aparición de Chat GPT (y otros programas de IA aplicados a texto, imagen y sonido) es el primer ejemplo del uso masivo de sus capacidades por parte del público en general.
En este campo, sin embargo, los científicos han estado a la vanguardia durante muchos años, y durante al menos una década han estado entrenando inteligencia artificial para que puedan realizar, en segundos, tareas que a un humano le llevarían semanas o meses de esfuerzo y esfuerzo. dedicación. La lista de aplicaciones es interminable, desde el desarrollo de nuevos materiales hasta la búsqueda de medicamentos, la mejor gestión de listas de espera, la identificación de exoplanetas pasado por alto por los astrónomos, la predicción de pandemiasla optimización de riesgos, etc. etc.
Y ahora, el Instituto SETI, que desde los años 60 ha dedicado sus esfuerzos a buscar ‘ahí fuera’ señales de otras civilizaciones inteligentes, acaba de implementar una serie de algoritmos de aprendizaje automático, uno de los subconjuntos de la IA, capaces de filtrar las interferencias producidas por las señales terrestres y detectar, al mismo tiempo, señales espaciales que los humanos podrían haber pasado por alto en sus análisis. A partir de ahora, la IA ayudará a los investigadores humanos a filtrar rápidamente los enormes conjuntos de datos que arrojan sus búsquedas y quizás a encontrar lo que buscan. El trabajo acaba de ser publicado en ‘Nature Astronomy’.
Durante décadas, algunos de los radiotelescopios más grandes del mundo han estado escuchando posibles señales de inteligencia alienígena distante. Esas señales de radio deberían distinguirse de las emitidas naturalmente por muchas estrellas y galaxias, así como del ‘ruido’ emitido por nosotros mismos, dando así pistas sobre alguna civilización tecnológicamente avanzada en algún sistema solar distante. Una tarea que, sin embargo, requiere analizar ingentes cantidades de datos durante meses enteros en busca de la ansiada señal. Pero la aplicación de la IA, según el astrónomo planetario franco marchis“abre una nueva era para la investigación SETI”.
El manejo de grandes cantidades de datos (Big Data) es algo relativamente nuevo para SETI, cuyo campo de estudio ha sido, durante décadas, muy limitado precisamente por disponer de muy pocos datos. Pero en 2015 todo cambió. Ese año, de hecho, el multimillonario Yuri Milner financió el mayor programa SETI de toda su historia: el proyecto Breakthrough Listen para buscar señales de vida inteligente en un millón de estrellas. Usando telescopios en Virginia, Australia y Sudáfrica, el proyecto busca emisiones de radio provenientes de la dirección de una estrella que cambian constantemente de frecuencia, tal como sucedería si un transmisor alienígena estuviera en un planeta moviéndose en relación con la Tierra.
El problema era que las nuevas búsquedas devolvían una gran cantidad de datos, incluidos falsos positivos provocados por interferencias ‘terrestres’ de teléfonos móviles, GPS y otras tecnologías modernas. “El mayor reto para nosotros en la búsqueda de señales inteligentes -explica sofía jeque, un astrónomo del Instituto SETI- no está obteniendo los datos actualmente. La parte difícil es diferenciar las señales de la tecnología humana o terrestre del tipo de señales tecnológicas que estaríamos buscando en algún otro lugar de la galaxia”.
Buscando entre 820 estrellas
Por supuesto, pasar por millones de observaciones diferentes una por una no es algo práctico. Entonces, los investigadores han estado usando una serie de algoritmos durante años para buscar señales que coincidan con lo que los astrónomos creen que podrían ser señales de algún faro extraterrestre. Pero es fácil que esos mismos algoritmos pierdan señales que son potencialmente interesantes pero ligeramente diferentes de lo que esperan los astrónomos.
Los algoritmos de aprendizaje automático no son tan descuidados y son capaces, además de filtrar rápidamente el ‘ruido terrestre’, de detectar señales extraterrestres que, en principio, no entrarían en las categorías convencionales y, por lo tanto, pueden pasarse por alto. alto. De acuerdo a Pedro Maautor principal del artículo, “no siempre podemos estar anticipando lo que ET podría enviarnos”.
Ma y sus colegas analizaron las observaciones de Breakthrough Listen de 820 estrellas. Construyeron un software de aprendizaje automático para analizar los datos, obtenidos de casi tres millones de señales de interés, pero descartaron la mayoría como interferencia basada en la Tierra. Luego, Ma revisó manualmente alrededor de 20 000 señales y las redujo a 8 candidatos intrigantes.
La búsqueda finalmente resultó vacía: las ocho señales desaparecieron la segunda vez que el equipo escuchó. Pero los métodos podrían usarse en otros datos, como una avalancha de observaciones del conjunto MeerKAT de 64 radiotelescopios en Sudáfrica, que Breakthrough Listen comenzó a usar en diciembre. Según Ma, los algoritmos de aprendizaje automático también podrían usarse en datos SETI archivados, para buscar señales que podrían haberse pasado por alto anteriormente.
Pero AI también está en el centro de otro proyecto, que SETI lanzará en unos pocos días, el 14 de febrero. Este es un esfuerzo comunitario en el que voluntarios del público revisarán imágenes de señales de radio y las clasificarán como posibles tipos de interferencia. , para entrenar una máquina que luego tendrá que buscar a través de los datos SETI obtenidos en el telescopio Green Bank. .