SETIはAIが火星探査機による生命探査に役立つと考えている

1億4,437万平方マイル以上の地表面積を持つ火星には、生命の兆候が隠れている可能性のある場所がたくさんあります。現在および将来の探査機の極めて貴重な時間を考慮すると、潜在的な古代の微生物や生物の証拠を効率的に探すことはさらに困難になります。少しでも公平にするために、SETIは人工知能と機械学習に再び目を向け、探査機（そしておそらく将来は宇宙飛行士）が生命の手がかりを探すのに最も可能性が高く有望な場所を計算する取り組みを行っています。そして月曜日にNature Astronomyで初めて詳述されたように、チームの新しいAI機械学習モデリングは、人類の地球外生命体の探索を加速させる可能性をすでに示しています。

[関連: 火星へ旅行したいですか? 旅行にはどのくらいの時間がかかりますか?]

AI を構築するために、SETI 研究所の上級研究科学者 Kim Warren-Rhodes 氏が率いる学際プロジェクトでは、Salar de Pajonales と呼ばれる地域から収集したデータセットでプログラムをトレーニングしました。チリのアタカマ砂漠とアルティプラーノの境界に位置する Pajonales は、標高が高く、気候が乾燥しており、塩湖の底が乾燥しており、紫外線が多く、光合成を行う微生物がまばらに生息していることから、火星の代わりとして適しています。チームは、この地域の岩、結晶、岩塩ドームの画像 7,765 枚以上とサンプル 1,154 個を収集し、その情報と他のデータセットを使用して、小さなバイオシグネチャが特徴的なエリアを理解および検出するようにプログラムに教えました。AI/ML プログラムを近くの新しいエリアに向けると、システムは同様のバイオシグネチャをほぼ 88% の確率で見つけることができました。これは、以前のランダム検索では 10% 未満でした。この新しい方法では、必要な検索エリアも最大 97% 削減されました。

ローズ氏は声明で、「私たちのフレームワークにより、統計生態学の力と機械学習を組み合わせて、地球上で最も過酷な地形で自然が生き残り、分布するパターンとルールを発見し、予測することができます」と説明した。さらに、他の宇宙生物学者がこのアプローチを他の環境のマッピングに応用し、追加の生物学的特徴を検出することを期待していると述べた。「これらのモデルを使用すると、どれほど隠れていても希少であっても、過去または現在の生命が存在する可能性が最も高い場所に探査機を誘導するためのカスタマイズされたロードマップとアルゴリズムを設計できます」と彼女は述べた。

[関連: 火星で過去の化学反応の痕跡が検出された。]

「バイオシグネチャーの検出率の高さはこの研究の中心的な成果だが、軌道から地上まで非常に異なる解像度のデータセットをうまく統合し、最終的に地域軌道データを微生物の生息地と結び付けたことも同様に重要である」とチームのもう一人のメンバー、ナタリー・A・カブロル氏は述べた。
チームは、自分たちと他の宇宙生物学者グループが、将来惑星探査機に搭載することで地球外生命体の探索に役立つ共同データセットを今後も構築し続けられることを期待している。