Project Hail Mary يحصل على ترقية AI
يحصل البحث عن الحياة الذكية خارج الأرض على دفعة تكنولوجية كبيرة من الذكاء الاصطناعي، حيث يؤكد الباحثون أن التعلم الآلي يمكن أن يحسّن بشكل كبير من فرص اكتشاف الإشارات الفضائية المخفية في الكميات الضخمة من بيانات تلسكوبات الراديو التي يتم جمعها يومياً. تهدف هذه المبادرة، التي تُعرّف بشكل غير رسمي باسم Project Hail Mary داخل مجتمع SETI، إلى تطبيق قدرات الذكاء الاصطناعي الحديثة على واحد من أقدم وأصعب الأسئلة العلمية.
تعتمد عمليات البحث التقليدية عن SETI على خوارزميات مصممة للكشف عن أنواع معينة من الإشارات، مثل الإرسالات الضيقة بترددات معينة. تم تحسين هذه الأساليب على مدى عقود لكنها محدودة بطبيعتها بالافتراضات حول شكل الإشارة الفضائية. أنظمة الذكاء الاصطناعي، على النقيض من ذلك، يمكن تدريبها للكشف عن الحالات الشاذة والأنماط دون إخبارها مقدماً بما يجب البحث عنه.
لماذا يغيّر الذكاء الاصطناعي اللعبة
التحدي الأساسي في SETI هو كشف الإشارة في الضوضاء. تجمع تلسكوبات الراديو كميات هائلة من البيانات، معظمها إشعاع راديوي طبيعي من النجوم والمجرات والمصادر الفيزيائية الفلكية الأخرى، مع تداخل تردد راديوي من صنع الإنسان من الأقمار الصناعية والطائرات والمرسلات الأرضية. إيجاد إشارة فضائية في هذا الكم يتطلب التمييز بينها وبين المصادر الطبيعية والبشرية.
نماذج التعلم الآلي تتفوق في هذا النوع بالذات من التعرف على الأنماط. أثبت الباحثون بالفعل أن الذكاء الاصطناعي يمكنه تحديد الإشارات الراديوية ذات الخصائص التي تفتقدها الخوارزميات التقليدية. في دراسة عام 2023، اكتشفت نظام التعلم الآلي ثماني إشارات لم يتم ملاحظتها من قبل في البيانات الأرشيفية من Green Bank Telescope، على الرغم من عدم تأكيد أي منها كإشارات فضائية في النهاية.
الميزة الرئيسية للذكاء الاصطناعي هي قدرتها على التعلم من البيانات بدلاً من الافتراضات البشرية. خوارزميات SETI التقليدية تشفّر فرضيات محددة حول التكنولوجيا الفضائية، مثل الافتراض أن الحضارات خارج الأرض ستُرسل إشارات ضيقة بترددات بالقرب من خط الهيدروجين. يمكن تدريب أنظمة الذكاء الاصطناعي على أنواع الإشارات المعروفة ثم تكليفها بإيجاد أي شيء لا ينطبق على الفئات المعروفة، مما قد يمسك إشارات ستفتقدها خوارزميات من تصميم الإنسان.
معالجة فيضان البيانات
مصفوفات تلسكوب الراديو الحديثة تولد البيانات بمعدلات تفوق بكثير قدرة أساليب التحليل التقليدية. سيقوم Square Kilometre Array، الذي يجري بناؤه حالياً في أستراليا وجنوب إفريقيا، بإنتاج بيانات أكثر يومياً من الإنترنت بأكمله. Breakthrough Listen، أشمل برنامج SETI تم تنفيذه على الإطلاق، قد تراكمت لديه بالفعل بيتابايتات من بيانات تلسكوب الراديو التي تم تحليلها جزئياً فقط.
يمكن لمعالجة الذكاء الاصطناعي أن تعمل من خلال هذا الكم من البيانات المتراكمة بسرعة أكبر بكثير من الطرق التقليدية، وتستطيع فعل ذلك باستمرار مع تدفق البيانات الجديدة. هذا مهم بشكل خاص لأن SETI هي في الأساس لعبة أرقام. كلما زاد المزيد من السماء التي تم مسحها، وكلما زاد عدد الترددات المفحوصة، وكلما زاد تطور كشف الإشارة، كلما زاد احتمال إيجاد شيء ما.
الباحثون في Berkeley SETI Research Center طوّروا معماريات شبكة عصبية محسّنة بشكل خاص لكشف إشارات تردد راديوي. يمكن لهذه الأنظمة معالجة بيانات تلسكوب الخام في الوقت الفعلي تقريباً، والإشارة إلى الإشارات المحتملة ذات الاهتمام للمراجعة البشرية بينما ترفض الأغلبية الساحقة من الضوضاء والتداخل.
أنواع إشارات جديدة للبحث عنها
يفتح الذكاء الاصطناعي أيضاً الباب للبحث عن أنواع الإشارات التي لم تُعتبر تقليدياً في SETI. على سبيل المثال، قد تستخدم حضارة متقدمة بما فيه الكفاية تقنيات الطيف المنتشر التي توزع الإشارة عبر نطاق تردد واسع، مما يجعلها تبدو مثل الضوضاء لأجهزة الكشف الضيقة التقليدية. أو قد تعدل الإشارات بطرق تشفّر المعلومات في الأنماط الزمنية بدلاً من خصائص التردد.
يمكن لأنظمة التعلم الآلي المدربة على أنواع إشارات متنوعة أن تكتشف احتمالياً هذه الإرسالات غير التقليدية. اقترح بعض الباحثين حتى تدريب الذكاء الاصطناعي على إشارات فضائية محاكاة تُولّد تحت افتراضات مختلفة حول التكنولوجيا خارج الأرضية، مما ينشئ مساحة بحث أكثر شمولاً مما يمكن لأي نهج مفرد يقوده فرضية واحدة أن يحققه.
هناك أيضاً اهتمام متزايد باستخدام الذكاء الاصطناعي للبحث عن الموقعات التقنية خارج الراديو، بما في ذلك نبضات الليزر البصرية، والزيادة تحت الحمراء من الهياكل الضخمة، والتوقيعات الحيوية في الغلاف الجوي من أطياف الكوكب الخارجي. كل من هذه الطرق الكشفية تولّد تحدياتها الخاصة التي الذكاء الاصطناعي مناسبة جداً للتعامل معها.
الشك والأمل
ليس جميع باحثي SETI متحمسين بالتساوي للنهج القائم على الذكاء الاصطناعي. يحذر البعض بأن أنظمة التعلم الآلي يمكن أن تولّد إيجابيات خاطئة، وإيجاد أنماط في الضوضاء التي ليست حقاً هناك. يتضمن تاريخ SETI عدداً من الإشارات المرشحة التي تم شرحها لاحقاً بالظواهر الطبيعية أو التداخل البشري، وقد يزيد الذكاء الاصطناعي من معدل هذه الإنذارات الكاذبة.
يشير آخرون إلى أن لا قيمة لأي مبلغ من كشف الإشارة المحسّن إذا لم يكن أحد يُرسل، أو إذا كانت الحضارات الفضائية تستخدم طرق اتصالات أساسياً غير قابلة للكشف بالتكنولوجيا الحالية. Fermi paradox، السؤال عن سبب عدم اكتشافنا للذكاء الفضائي حتى الآن رغم العدد الضخم من الكواكب التي يحتمل أن تكون صالحة للسكن، قد يكون لديه تفسيرات لا يمكن لأي تحسن تكنولوجي أن يتغلب عليها.
على الرغم من هذه التحفظات، مجتمع SETI متفائل على نطاق واسع بأن الذكاء الاصطناعي يمثل خطوة حقيقية للأمام. الأدوات تصبح أقوى، وأحجام البيانات تنمو، واستراتيجيات البحث تصبح أكثر تطوراً. ما إذا كان أي من هذا يؤدي إلى اكتشاف الذكاء الفضائي يبقى غير معروف، لكن الباحثون يؤكدون أن أفضل طريقة لمعرفة ذلك هي البحث بأكثر فعالية ممكنة باستخدام أفضل الأدوات المتاحة.
تستند هذه المقالة إلى تقارير Universe Today. اقرأ المقالة الأصلية.
