الذكاء الاصطناعي يمكنه المساعدة في البحث عن الحياة على المريخ والعوالم الأخرى المجهولة

أداوات تعلم الآلة الحديثة يمكن أن تساعد العلماء في البحث عن علامات على وجود الحياة على المريخ وعوالم أخرى نظرًا لتقييد القدرة على جمع العيّنات من الكواكب الأخرى بشدّة، يعتمد العلماء حاليًا على طرق الاستشعار عن بعد للبحث عن علامات الحياة الفضائية، وهذا يعني أن أي طريقة يمكن أن تساعد في توجيه أو تحسين هذا البحث ستكون مفيدة للغاية.

مع هذا الاعتبار، قام فريق متعدد التخصصات من العلماء بقيادة كيم وارين-روودز من معهد SETI (البحث عن الذكاء الفضائي) في كاليفورنيا برسم خرائط للكائنات الحية الضئيلة التي تعيش في القباب الملحية والصخور والأكريليك في سالار دي بايوناليس، وهي مسطحة ملحية على حدود صحراء أتاكاما وآلتيبلانو التشيلية.

سطح المريخ

ثم تعاون وارن-روودس مع مايكل فيليبس من مختبر الفيزياء التطبيقية في جامعة جونز هوبكنز والباحث في جامعة أكسفورد فريدي كاليتزيس لتدريب نموذج تعلم الآلة للتعرف على الأنماط والقواعد المرتبطة بتوزيع الحياة عبر المنطقة. هذا التدريب علّم النموذج على ملاحظة نفس الأنماط والقواعد لمجموعة واسعة من المناظر الطبيعية - بما في ذلك تلك التي قد تكون على كواكب أخرى.

اكتشف الفريق أن نظامهم يمكنه، من خلال دمج الإحصاء الإيكولوجي مع التعلم الآلي، تحديد العلامات الحيوية وكشفها بنسبة تصل إلى 87.5٪ من الوقت، وهذا مقارنة بمعدل نجاح لا يتجاوز 10٪ تم تحقيقه بالبحث العشوائي. بالإضافة إلى ذلك، يمكن للبرنامج تقليل المساحة المطلوبة للبحث بنسبة تصل إلى 97٪، مما يساعد العلماء على تحديد بحثهم بشكل كبير لآثار كيميائية محتملة للحياة أو العلامات الحيوية.

قال وارن-روودز في بيان له:

يسمح إطار عملنا بدمج قوة الإحصاء الإيكولوجي مع التعلم الآلي لاكتشاف وتوقع الأنماط والقواعد التي تنجو بها الطبيعة وتنتشر في أقسى المناظر الطبيعية على الأرض، نأمل أن تعتمد فرق علم الحياة في الفضاء النهج الخاص بنا لرسم خرائط بيئات وعلامات حيوية أخرى.

يقول الباحثون إن مثل هذه الأدوات التعلم الآلي يمكن تطبيقها على مهام الروبوتات الكوكبية مثل مهمة ناسا للوصول إلى المريخ باستخدام ناقلة، التي تبحث حالياً عن آثار الحياة على سطحه.

"باستخدام هذه النماذج، يمكن تصميم خرائط وخوارزميات مصممة خصيصاً لتوجيه المركبات الجوّالة إلى الأماكن التي تحتوي على أعلى احتمال لاحتضان الحياة في الماضي أو الحاضر - بغض النظر عن مدى الخفاء أو الندرة"، أوضح وارن-روودز.

اختيار نموذج مشابه للمريخ على الأرض اختار الفريق "سالار دي بايوناليس" كمرحلة اختبارية لنموذج التعلم الآلي الخاص بهم لأنه يشبه السطح الجاف والقاحل للمريخ الحديث. المنطقة هي منطقة مرتفعة جافة مليئة بحوض ملحي ومعرضة لدرجة عالية من الإشعاع فوق البنفسجي. وعلى الرغم من اعتبارها غير مواتية للحياة، يوجد في "سالار دي بايوناليس" بعض الكائنات الحية.

جمع الفريق ما يقرب من 8000 صورة وأكثر من 1000 عينة من "سالار دي بايوناليس" للكشف عن الكائنات الحية الضوئية التي تعيش داخل قباب الملح والصخور والكريستالات الألبسترية. وتمثل الصبغات التي تفرزها هذه الكائنات بصمة حيوية محتملة على سلم كشف الحياة التابع لوكالة الفضاء الأمريكية ناسا، والذي يهدف إلى توجيه العلماء للبحث عن الحياة خارج الأرض في الظروف العملية للمهمات الفضائية الروبوتية.

يبيّن الجزء السفلي من الصورة مقارنة بين أماكن تواجد بعض المواد الحيوية وما تنبأ به النموذج الحاسوبي للتعلم الآلي.

فريق العمل فحص أيضًا منطقة سالار دي بايوناليس باستخدام صور الطائرات بدون طيار التي تشبه صور التضاريس البيئية التي التقطتها كاميرا High-Resolution Imaging Experiment (HIRISE) الموجودة على متن مسبار استطلاع المريخ التابع لناسا. هذه البيانات سمحت لهم بتحديد أن الحياة الدقيقة في سالار دي بايوناليس ليست موزعة عشوائيًا بل متركزة في نقاط ساخنة حيوية وهذه النقاط مرتبطة بشدة بتوافر الماء.

فريق وارن-رودز قام بتدريب الشبكات العصبونية المتسلسلة المركبة للتعرف والتنبؤ بالمعالم الجيولوجية الكبيرة في سالار دي بايوناليس. بعض هذه المعالم، مثل الأرضيات المنسوجة أو الشبكات المضلّعة، موجودة أيضًا على سطح المريخ، تم تدريب الشبكة العصبية المتسلسلة المركبة أيضًا للكشف والتنبؤ بالموائل الصغيرة الأكثر احتمالًا لاحتواء بصمات الحياة.

وفي الوقت الراهن، سيستمر الباحثون في تدريب الذكاء الاصطناعي في سالار دي بايوناليس، مستهدفين اختبار قدرة الشبكة العصبونية المتسلسلة المركبة على التنبؤ بموقع وتوزيع الأحافير القديمة للسندس الحجري والميكروبات المتحملة للملح، ويجب أن يساعد هذا في تعلم الذكاء الاصطناعي إذا كانت القواعد التي يستخدمها في هذا البحث يمكن أن تنطبق أيضًا على البحث عن بصمات الحياة في أنظمة طبيعية مماثلة أخرى. بعد ذلك، يهدف الفريق إلى البدء في رسم خرائط الينابيع الساخنة وتربة الصقيع المغطاة بالثلج الدائمة والصخور في الوديان الجافة، على أمل تعليم الذكاء الاصطناعي للتركيز على الموائل المحتملة في بيئات شديدة الاختلاف هنا على الأرض قبل استكشاف تلك الكواكب الأخرى.