设为首页 - 加入收藏 ASP站长网(Aspzz.Cn)- 科技、建站、经验、云计算、5G、大数据,站长网!
热搜: 数据 创业者 手机
当前位置: 首页 > 站长资讯 > 外闻 > 正文

AI能助我们找到外星人吗?

发布时间:2023-02-21 09:55 所属栏目:16 来源:互联网
导读:长久以来,人类都在思考一个问题:我们,是不是宇宙中最孤独的行者?至少到目前为止,人类还没有发现外星人的踪迹,只是有断断续续来自外太空的信号,让人类不断对着天空窥探。其中一个方法就是探测来自太空的无线电信号,特别是针对外星文明可能已经发展的
  长久以来,人类都在思考一个问题:我们,是不是宇宙中最孤独的行者?至少到目前为止,人类还没有发现外星人的踪迹,只是有断断续续来自外太空的信号,让人类不断对着天空窥探。其中一个方法就是探测来自太空的无线电信号,特别是针对外星文明可能已经发展的技术活动的信号。
 
  唯一的问题是,人类捕捉到的信号充满了“杂质”,在过去利用人工进行区分时很有可能错认这些信号,将一些人类活动造成的信号当成外星文明的信号,或者,更严重,将可能的外星文明信号当成普通的信号遗漏了。
 
  人类对于深空的研究,经历了数次乌龙事件,每次在我们以为会找到外星文明的时候,都会被狠狠打脸。1967年,英国天文学家乔瑟琳·布尼尔发现了有天体向地球发现一种无线电脉冲,这些脉冲的周期太整齐了,非常像人为的信号。于是,人们怀疑这些无线电脉冲是外星人发射过来的信号。之后,其他类型的发射 X 射线和伽马射线的脉冲星也被发现,才最终证明这些信号来自脉冲星。脉冲星本质上就是旋转的、高度磁化的中子星。
 
  在脉冲星被发现10年后的1977年,俄亥俄州立大学接收到了一个强度超强的疑似外星文明信号,惊讶之余,负责课题研究的天文学家杰里·埃曼博士在记录纸上写下了超级感叹的“WOW!”科学家希望能收到重复信号,但令人遗憾的是再也没有在同频段、同方向上收到过相近的信号,也一直未能确认信号的发送方。在接下来的45年时间里,这个信号都被认为可能是外星文明的使者,科学家们也一直在寻找它的“故乡”。2022年,这个答案终于揭晓了,“WOW!”是来自人马座方向、一颗距离1800光年的恒星。
 
  1996年,美国国家航空航天局和白宫发布消息,找到了一块来自火星的岩石,称这块岩石中含有火星虫子的痕迹。这颗陨石编号为 Allen Hills (ALH) 84001,在 13,000 年前坠落在南极洲的冰冻废墟上,并于 1984 年被找到。发布的照片显示细长的分段物体看起来非常逼真。
 
  然而,其他科学家质疑陨石样本是否受到污染,认为当陨石被炸入太空时产生的热量可能会产生可能被误认为是微化石的矿物结构。

  最近,多伦多大学的一名学生Peter Ma组建了一个团队。该团队训练AI对于各种来自外太空的信号进行分析和鉴别,根据这个团队训练的AI算法,已经发现了8个神秘的无线电信号——这些信号是以往人们错过的,而且最近的一个信号来自只有30光年的地方。
 
  Peter Ma的团队训练的这个AI,观察了大概820颗恒星。在过去的认知里,这820颗恒星所在的太空区域中,没有任何潜在外星文明活动的可能。据Peter Ma的解释,因为在早期的数据检查中,有信号可能被遗漏了:“在我们的许多观察中,存在很多干扰。我们需要将太空中令人兴奋的信号与来自地球的无趣信号区分开来。”
 
  在过去,这种区分的工作需要人工和普通计算机程序来进行,但是如今这项区分的工作也许会被AI接手。来自“搜寻外星智慧”研究所、世界各地科研机构的天文学家、Peter的团队一起开发了一个AI的算法,可以更好地甄别出哪些是来自地球的信号,而哪些是可能来自外星高等智慧的信号。
 
  据开发者透露,这个灵感来自无人驾驶汽车的深度学习系统。研究人员总共搜索了 820 颗附近恒星的 150 TB 数据:“2017年,这些数据曾经通过传统的技术进行过搜索,但是被标记为缺乏有意义的信号。”但是通过受过训练的AI进行搜索,研究人员们发现了8种之前被忽视的信号,来自5个恒星的方向,距离地球30到90光年不等。
 
  美国国家射电天文观察站绿岸望远镜项目的天文学家史蒂夫·克罗夫特表示,人类望远镜检测到的绝大多数信号都来自人类自己的技术:GPS 卫星、手机等,想要在数以亿计的信号中,找到不属于地球的信号,无疑大海捞针。而Peter Ma的算法则能够更加便捷地辨识出来自地外的信号。
 
  “目前,我们正在使用 MeerKAT 望远镜及其他望远镜,将搜索工作扩大到 100 万颗恒星。”克罗夫特对于未来的数据研究非常兴奋。
 
  但想要把这项研究进行下去,也的确充满了困难。那就是,这些信号在被发现之后,在后续的观察中,未能再次检测到来自同一个方向的无线电信号。这就意味着,科学家们无法验证,这些信号是真正来自深空,或者只是地球信号的干扰。
 
  这对于机器的深度学习来说,也是一项巨大的阻碍。不过科学家们还是充满了信心:这些结果极大地说明了将现代机器学习和计算机视觉方法应用于天文学数据挑战的力量,从而产生了新的检测结果和更高的性能。
 

(编辑:ASP站长网)

    网友评论
    推荐文章
      热点阅读