Od dekad naukowcy zadają sobie pytanie, czy we wszechświecie istnieją inne inteligentne formy życia. Jednym z najbardziej obiecujących sposobów na znalezienie odpowiedzi jest poszukiwanie technosygnatur — sygnałów radiowych, które mogłyby pochodzić od zaawansowanych cywilizacji pozaziemskich. Jednak zadanie to nie należy do łatwych. Naszą planetę otacza gęsty szum zakłóceń radiowych generowanych przez ludzi, co znacząco utrudnia odróżnienie potencjalnych sygnałów obcych od ziemskich interferencji.
Najnowszy artykuł opublikowany w periodyku The Astronomical Journal podejmuje to wyzwanie, badając, w jaki sposób uczenie maszynowe może usprawnić analizę danych radiowych i pomóc w identyfikacji technosygnatur. Badania prowadzone przez Snira Pardo z Uniwersytetu w Tel Awiwie powstały we współpracy z projektem Breakthrough Listen — największą na świecie inicjatywą skoncentrowaną na aktywnym poszukiwaniu obcego życia.
Zespół naukowców przeanalizował dane radiowe zebrane z ponad 300 gwiazd oddalonych o maksymalnie 50 parseków od Ziemi. Wykorzystano w tym celu spektrogramy — graficzne reprezentacje sygnałów radiowych w czasie i częstotliwości — pochodzące z dwóch kluczowych obserwatoriów: Parkes w Australii oraz Green Bank w USA. Oba obserwatoria odgrywają istotną rolę w programie Breakthrough Listen.
To, co wyróżnia najnowsze badanie, to hybrydowe podejście łączące klasyczne algorytmy obróbki danych z nowoczesnymi modelami uczenia maszynowego. Takie połączenie pozwoliło na efektywne przeszukiwanie ogromnych zbiorów danych przy jednoczesnym minimalizowaniu założeń interpretacyjnych. Systemy analizowały dane w poszukiwaniu wzorców, które mogłyby wskazywać na obce pochodzenie sygnału.
W trakcie analizy naukowcy przebadali 1011 spektrogramów i wizualnie sprawdzili około 20 000 najbardziej obiecujących kandydatów. Niestety, wszystkie okazały się ziemskimi zakłóceniami. Autorzy badania podkreślają jednak, że zastosowane podejście to dopiero początek. Sugerują dalszy rozwój metod automatyzacji, zwłaszcza wdrażanie adaptacyjnych technik wieloskalowych, które mogłyby znacznie ograniczyć potrzebę ręcznej weryfikacji danych.
Projekt Breakthrough Listen, zainaugurowany w 2016 roku i prowadzony przez Berkeley SETI Research Center, zakłada systematyczne przeszukiwanie nieba w poszukiwaniu sygnałów radiowych i laserowych. Do tej pory naukowcy przeanalizowali dane z ponad miliona gwiazd, w tym wszystkich 43 znajdujących się w promieniu 5 parseków od Ziemi. Choć żaden sygnał nie został dotąd jednoznacznie sklasyfikowany jako pozaziemski, badacze nie ustają w wysiłkach.
Współczesne poszukiwania technosygnatur to kontynuacja tradycji zapoczątkowanej przez projekty takie jak SETI (Search for Extraterrestrial Intelligence). Jednym z najsłynniejszych epizodów w historii był tzw. sygnał „Wow!”, odebrany przez radioteleskop Big Ear w 1977 roku. Trwający 72 sekundy, intensywny sygnał z gwiazdozbioru Strzelca do dziś pozostaje niewyjaśniony, choć nigdy nie udało się go ponownie zaobserwować.
Sztuczna inteligencja wnosi nową jakość do badań SETI, znacznie zwiększając możliwości analizy danych i identyfikowania potencjalnych śladów technologii pozaziemskich. Instytut SETI, poza radioastronomią, angażuje się również w liczne misje kosmiczne — takie jak Cassini, New Horizons, Kepler czy TESS — poszerzając nasze rozumienie warunków sprzyjających życiu we Wszechświecie.
Wraz z rozwojem narzędzi sztucznej inteligencji rośnie szansa na przełom w badaniach nad obcą inteligencją. Być może już wkrótce nowoczesne algorytmy pomogą nam odpowiedzieć na jedno z najstarszych i najbardziej intrygujących pytań ludzkości: Czy jesteśmy sami?