Az iparnak fejlesztett gépi tanulással végre találunk földönkívüli intelligenciát?

A földönkívüli élet után tudományos eszközökkel kutató SETI forradalmian új megoldásokat vezet be, hogy többé ne kapják meg azt a kérdést, hogy „ha ott vannak, eddig miért nem találtuk meg őket?”. Erre ugye most és még nagyon sokáig az lesz a válasz, hogy a galaxisnak csak egy egészen apró részét ismerjük, így valójában semmi meglepő nincs abban, hogy egy moszat poros nyomát se találta még meg senki a bolygónkon kívül. Az esélyt tovább csökkentik a digitális számítógépekre évtizedekkel ezelőtt kifejlesztett algoritmusok, amelyek mára – minden pofozás és okosítás ellenére – elavultak, vagy egész egyszerűen alkalmatlanok a modern, petabájt méretű adathalmazok átvizsgálására. Ez változhat meg most, a Nature Astronomy című szaklapban megjelent kutatás alapján – írja a Science Daily.

A tudományos munkát a Torontói Egyetem egyik hallgatója, Peter Ma végezte a SETI Intézet, a Breakthrough Listen és más kutatóintézetek munkatársaival együtt. Megoldásuk lényege egy mélytanulási technológia, aminek alkalmazásával a közeli csillagok egy korábban vizsgált adathalmazát nézték át, és nyolc, eddig azonosítatlan jelet fedeztek fel.

 „Összesen 150 terabájt adatot kutattunk át 820 közeli csillagról, egy olyan adathalmazon, amit korábban, 2017-ben klasszikus technikákkal már átvizsgáltunk, és érdekes jelektől mentesnek minősítettünk” – mondta Peter Ma. „Ezt a keresési megoldást ma már egymillió csillagra méretezzük a MeerKAT teleszkóppal és azon túl. Úgy gondoljuk, hogy az ehhez hasonló munkák segítenek felgyorsítani a felfedezések sebességét” – fűzte hozzá, jelezve: továbbra is komoly erőfeszítéseket tesznek, hogy egyszer választ kapjunk a legnagyobb kérdésre: „egyedül vagyunk-e az univerzumban?”.

A földönkívüli intelligencia kutatására létrehozott SETI olyan technológiára utaló bizonyítékokat keres, amelyeket idegen civilizációk fejleszthettek ki. Egyik módszerük az, hogy hatalmas antennákkal hallgatják a világűrt, illetve az onnan esetlegesen érkező, talán éppen idegenek által sugárzott rádiójeleket.

A most publikált tanulmányhoz, a Breakthrough Listen-kampány részeként, a nyugat-virginiai Green Bank Teleszkóppal gyűjtött adatokat vizsgálták újra, annak ellenére, hogy eredetileg nem mutattak érdeklődésre számot tartó adatokat. A cél az volt, hogy a gyorsabb és pontosabb eredmények érdekében új mélytanulási technikákat társítsanak a klasszikus kereső algoritmushoz. Miután futtatták az új algoritmust, és a megerősítés érdekében kézzel is átvizsgálták az eredményeket, több kulcsfontosságú jellemzőt vettek észre az adathalomban. Például azt, hogy egyes jelek a természetes hullámok széles sávjával ellentétben keskeny sávúak, néhány hertzesek voltak, de nem ez volt az egyetlen, szándékosságra és nem természetes eredetre utaló észlelés.

Cherry Ng, Ma kutatási tanácsadója, a SETI Intézet és a Francia Nemzeti Tudományos Kutatóközpont csillagásza elmondta: „Ezek az eredmények remekül illusztrálják, hogy a modern gépi tanulás és a számítógépes látásmódok alkalmazása a csillagászatban felmerülő adatproblémákra milyen erős választ képvisel, és új észlelésekhez vezethet. Ezeknek a technikáknak a méretarányos alkalmazása paradigmaváltó lesz a rádiótechnikai jelenségekkel kapcsolatos kutatásokban.” Bár a most felfedezett célpontok ismételt vizsgálata még nem eredményezte a jelek újbóli észlelését, az adatelemzés új megközelítése lehetővé teszi a csillagászok számára, hogy jobban megértsék az általuk gyűjtött adatokat, és gyorsan cselekedjenek a célpontok újbóli vizsgálata érdekében. A SETI Intézet egy másik csillagászati antennarendszeren, a COSMIC-on is alkalmazni szeretné az új módszert.

Gábor János, Okosipar.hu