Искусственный интеллект (ИИ) смог проявить себя и помог найти восемь кандидатов на такие сигналы, хотя повторное наблюдение не смогло подтвердить эти находки. Но перспективы только раскрываются.
До сравнительно недавнего времени проекты по множеству программ SETI — мероприятий по поиску внеземных цивилизаций — не могли похвастаться достаточным набором данных, чтобы их можно было бы обрабатывать с позиций машинного обучения.
Сбор информации для таких операций начали в 2015 году после финансирования научной программы Breakthrough Listen миллионером Юрием Мильнером при участии Стивена Хокинга. Это стало крупнейшим в истории финансированием программы SETI, средства на которую достались астрономам Калифорнийского университета в Беркли.
Группа учёных проанализировала данные из 820 звёздных систем, за которыми наблюдал крупнейший на сегодня поворотный 100-метровый телескоп им. Роберта К. Берда в Грин-Бэнк. Наблюдения собрали миллионы сигналов, обработать вручную которые было бы невозможно. Впрочем, учёные давно используют алгоритмы для отсеивания всевозможных помех, но до появления машинного обучения многие интересные сигналы обнаружить было очень и очень сложно, если вообще возможно.
При обработке пакетов радиоданных самой сложной и рутинной работой считается отсеивание радиосигналов от земных (и околоземных, если говорить о спутниках) источников. Радиоэфир вокруг Земли настолько насыщен и разнообразен, что анализ с помощью классических алгоритмов может упустить то единственное зерно истины, ради поиска которого всё затеяно. Внести помехи может даже микроволновая печь, не говоря о сотовой связи и множестве других источников. Новый алгоритм машинного обучения должен был отсеять подобные помехи из миллионов наблюдений, и он с этим в целом справился.
После того, как ИИ скормили всю собранную информацию, алгоритм отметил как интересные 20 тыс. сигнатур. Учёные уже вручную перебрали отмеченные ИИ сигналы и выделили из них 8 кандидатов на «техносигнатуры» — сигналы с вероятными признаками искусственного и внеземного происхождения. К сожалению, повторные наблюдения звёздных систем, откуда были приняты эти сигналы, не дали результата — подобных сигналов больше не было.
Главным для исследователей стало подтверждение способности обучаемого алгоритма отсеивать помехи земного происхождения. Новые программы помогут собирать свежие пакеты радиосигналов, благо радиоастрорномы продолжают получать всё новые и новые инструменты.
В частности, готовится программа исследований по поиску внеземных искусственных сигналов на самом крупном в мире китайском радиотелескопе FAST с 500-м сплошной антенной. Те или иные алгоритмы машинного обучения будут задействованы для обработки данных с этого инструмента, и чем больше будет работ в этом направлении, тем надёжнее будет результат.