科学家目前在从其他行星收集样本方面的机会相当有限——火星土壤样本由火星车收集 毅力, 很快就会到达我们这里。 因此，科学家们正在发明其他传感方法来了解外星生命的迹象。 其中之一是在人工智能的帮助下。
来自 SETI 研究所（寻找外星智能）的一组科学家绘制了稀有形式 生活，这是在智利阿塔卡马沙漠和高原高原交界处的 Salar de Pajonales 盐沼中发现的。
接下来，该团队邀请专家参与，他们将帮助训练机器学习模型，从气候的角度识别与这个不太“宜居”地区的生命传播相关的模式和规则。 通过这种方式，该模型学会了检测各种景观的相同模式和规则——包括那些可能在其他星球上发现的景观。
该团队发现他们的系统结合了统计生态学和 人工智能, 将检测生物特征的概率提高了 87,5%。 此外，该计划可以将搜索所需的区域减少多达 97%，因此科学家们将显着改善寻找潜在生命踪迹的过程。
研究人员说：“我们的工具使我们能够将统计生态学的力量与机器学习相结合，以发现和预测大自然在地球上最严酷的景观中生存和传播的模式和规则。” “我们希望其他天体生物学家团队能够采用我们的方法来绘制其他宜居环境和生物特征图。”
科学家认为，这种机器学习工具可以应用于机器人行星任务，例如 NASA 的火星探测器 毅力，目前正在火星上的湖坑底部寻找生命痕迹。 “在这些模型的帮助下，我们可以开发定制的路线图和算法，将漫游者引导到过去或现在生命存在可能性最高的地方——无论它多么隐蔽或罕见，”科学家补充道.
该团队选择该地区来测试他们的模型，因为它类似于当今干旱干旱的景观 火星. 这是一个暴露在高水平紫外线辐射下的高海拔干涸盐湖床，尽管不适合居住，但这个环境中仍有一些生物。
也很有趣：
该团队收集了近 8 张图像和 1 多个样本，以识别生活在该地区盐丘、岩石和雪花石膏晶体中的光合微生物。 该团队还使用无人机对该地区进行了调查，并确定这里的微生物生命并非随机分布，而是与水的存在密切相关。 该团队随后训练神经网络识别该地区的地质特征，其中一些在火星上也有发现。
研究人员目前正在继续他们的培训 人工智能 在 Salar de Pajonales，然后计划测试该工具预测古代叠层石化石和耐盐微生物组的位置和分布的能力。 这应该有助于确定他在这次搜索中使用的规则是否可以应用于在其他类似系统中搜索生物签名。 接下来，该团队将绘制干涸山谷中的温泉、冻土和岩石地图，以教人工智能在探索其他行星之前在地球上其他极端地区寻找生命。
另请阅读：