Project Hail Mary reçoit une mise à jour d'IA

La recherche de l'intelligence extraterrestre reçoit un coup de pouce technologique significatif de l'intelligence artificielle, les chercheurs arguant que l'apprentissage automatique pourrait considérablement améliorer les probabilités de détecter les signaux extraterrestres cachés dans les énormes volumes de données de radiotélescope collectées chaque jour. L'initiative, informellement appelée Project Hail Mary au sein de la communauté SETI, vise à appliquer les capacités modernes d'IA à l'une des plus anciennes et des plus difficiles questions scientifiques.

Les recherches SETI traditionnelles s'appuient sur des algorithmes conçus pour détecter des types spécifiques de signaux, tels que les transmissions en bande étroite à des fréquences particulières. Ces approches ont été affinées au cours des décennies, mais elles sont intrinsèquement limitées par leurs hypothèses sur l'apparence d'un signal extraterrestre. Les systèmes d'IA, en revanche, peuvent être entraînés à détecter des anomalies et des modèles sans être informés à l'avance de ce qu'il faut chercher.

Pourquoi l'IA change la donne

Le défi fondamental du SETI est la détection du signal dans le bruit. Les radiotélescopes collectent des quantités stupéfiantes de données, dont la plupart sont des émissions radio naturelles provenant d'étoiles, de galaxies et d'autres sources astrophysiques, superposées par des interférences de radiofréquence générées par l'homme provenant de satellites, d'avions et d'émetteurs terrestres. Trouver un signal extraterrestre dans ce tas de foin nécessite de le distinguer à la fois des sources naturelles et artificielles.

Les modèles d'apprentissage automatique excellent dans ce type exact de reconnaissance de modèles. Les chercheurs ont déjà démontré que l'IA peut identifier des signaux radio possédant des caractéristiques que les algorithmes traditionnels manquent. Dans une étude de 2023, un système d'apprentissage automatique a détecté huit signaux précédemment négligés d'intérêt dans les données d'archives du Green Bank Telescope, bien qu'aucun n'ait été finalement confirmé comme étant d'origine extraterrestre.

L'avantage clé de l'IA est sa capacité à apprendre à partir des données plutôt qu'à partir des hypothèses humaines. Les algorithmes SETI traditionnels codent des hypothèses spécifiques sur la technologie extraterrestre, comme l'hypothèse que les civilisations extraterrestres transmettraient des signaux en bande étroite à des fréquences proches de la raie de l'hydrogène. Les systèmes d'IA peuvent être entraînés sur des types de signaux connus, puis chargés de trouver tout ce qui ne s'inscrit pas dans les catégories établies, capturant potentiellement les signaux que les algorithmes conçus par l'homme manqueraient.

Traitement du déluge de données

Les réseaux modernes de radiotélescopes génèrent des données à des taux qui dépassent largement la capacité des méthodes d'analyse traditionnelles. Le Square Kilometre Array, actuellement en construction en Australie et en Afrique du Sud, produira plus de données par jour que tout Internet. Breakthrough Listen, le programme SETI le plus complet jamais entrepris, a déjà accumulé des pétaoctets de données de radiotélescope qui n'ont été que partiellement analysées.

Le traitement par IA peut travailler à travers cet arriéré de données beaucoup plus rapidement que les méthodes conventionnelles, et peut le faire continuellement à mesure que de nouvelles données arrivent. C'est particulièrement important car le SETI est fondamentalement un jeu de chiffres. Plus le ciel est exploré, plus les fréquences sont vérifiées et plus la détection des signaux est sophistiquée, plus la probabilité de trouver quelque chose est élevée.

Les chercheurs du Berkeley SETI Research Center ont développé des architectures de réseaux de neurones spécifiquement optimisées pour la détection de signaux de radiofréquence. Ces systèmes peuvent traiter les données brutes du télescope en quasi-temps réel, signalant les signaux potentiels d'intérêt pour examen humain tout en rejetant la majorité écrasante du bruit et des interférences.

Nouveaux types de signaux à rechercher

L'IA ouvre également la porte à la recherche de types de signaux qui n'ont pas été traditionnellement envisagés dans le SETI. Par exemple, une civilisation suffisamment avancée pourrait utiliser des techniques de spectre étalé qui distribuent un signal sur une large gamme de fréquences, le rendant ressemblant à du bruit pour les détecteurs en bande étroite conventionnels. Ou ils pourraient moduler les signaux de manières qui codent les informations dans des modèles temporels plutôt que dans des caractéristiques de fréquence.

Les systèmes d'apprentissage automatique entraînés sur des types de signaux divers pourraient potentiellement détecter ces transmissions non traditionnelles. Certains chercheurs ont même proposé d'entraîner l'IA sur des signaux extraterrestres simulés générés selon diverses hypothèses sur la technologie extraterrestre, créant un espace de recherche plus complet que ce que toute approche menée par une seule hypothèse pourrait accomplir.

Il existe également un intérêt croissant pour l'utilisation de l'IA pour rechercher les technosignatures au-delà de la radio, notamment les impulsions laser optiques, l'excès infrarouge des mégastructures et les biosignatures atmosphériques dans les spectres des exoplanètes. Chacune de ces modalités de détection génère ses propres défis de données pour lesquels l'IA est bien équipée pour faire face.

Scepticisme et espoir

Tous les chercheurs du SETI ne sont pas également enthousiastes à l'égard de l'approche par IA. Certains avertissent que les systèmes d'apprentissage automatique peuvent générer de faux positifs, trouvant des modèles dans le bruit qui ne sont pas vraiment présents. L'histoire du SETI comprend de nombreux signaux candidats qui ont été ultérieurement expliqués par des phénomènes naturels ou des interférences humaines, et l'IA pourrait augmenter le taux de ces fausses alarmes.

D'autres soulignent qu'aucune amélioration en matière de détection de signaux n'a d'importance si personne ne transmet, ou si les civilisations extraterrestres utilisent des méthodes de communication fondamentalement indétectables avec la technologie actuelle. Le paradoxe de Fermi, la question de savoir pourquoi nous n'avons pas encore détecté l'intelligence extraterrestre malgré le vaste nombre de planètes potentiellement habitables, pourrait avoir des explications qu'aucune amélioration technologique ne peut surmonter.

Malgré ces mises en garde, la communauté SETI est largement optimiste que l'IA représente un véritable progrès. Les outils deviennent plus puissants, les volumes de données augmentent et les stratégies de recherche deviennent plus sophistiquées. Que cela mène à la découverte de l'intelligence extraterrestre reste inconnu, mais les chercheurs soutiennent que la meilleure façon de le savoir est de chercher aussi efficacement que possible avec les meilleurs outils disponibles.

Cet article est basé sur les reportages d'Universe Today. Lisez l'article original.