【洪存正專欄】人工智能會第一個發現外星生命嗎？

《自然》(Nature) 期刊1 月 30 日亞歷山德拉維茨(Alexandra Witze)發表的一篇最新報導<人工智能會第一個發現外星生命嗎？>(Will an AI be the first to discover alien life?)指出，「搜尋外星智能的 SETI 正在部署機器學習算法，以過濾掉人類可能錯過的地球干擾和發現信號。」(SETI, the search for extraterrestrial intelligence, is deploying machine-learning algorithms that filter out Earthly interference and spot signals humans might miss.) 「由於機器學習技術，SETI 研究正在開啟一個新紀元。」

文 / 洪存正 綜合報導

從西弗吉尼亞州的山丘到澳大利亞鄉村的平原，一些世界上最大的望遠鏡正在監視來自遙遠外星文明的信號。尋找外星智能，稱為 SETI，是一種尋找可能來自遙遠太陽系中技術先進文明的人造電磁輻射的努力。今天發表的一項研究描述了使用機器學習（人工智能 (AI) 的一個子集）來幫助天文學家快速篩選此類搜索產生的大量數據的多項努力之一。隨著 AI重塑許多科學領域，它對尋找地外生命有何希望？加利福尼亞州山景城 SETI 研究所的行星天文學家 Franck Marchis 說：「由於機器學習技術，SETI 研究正在開啟一個新紀元。」

拉維茨說，大數據問題對於 SETI 來說是一個相對較新的問題。幾十年來，該領域幾乎沒有任何數據而受到限制。天文學家弗蘭克德雷克於 1960 年開創了 SETI，當時他將位於西弗吉尼亞州格林班克的望遠鏡指向兩顆恆星並收聽無線電傳輸。隨後的大多數 SETI 搜索也僅限於少數恆星。

但在 2015 年，億萬富翁尤里·米爾納 (Yuri Milner) 在加利福尼亞州伯克利資助了有史以來規模最大的 SETI 計劃：Breakthrough Listen 計劃，旨在搜索一百萬顆恆星以尋找智慧生命的跡象。該項目使用位於西弗吉尼亞州、澳大利亞和南非的望遠鏡，尋找來自恆星方向且頻率穩定變化的無線電發射，如果外星發射器位於相對於地球移動的行星上，就會發生這種情況。

問題在於，這些搜索會產生大量數據——包括來自手機、GPS 和現代生活其他方面的地球干擾所產生的誤報。SETI 研究所的天文學家 Sofia Sheikh 說：「我們尋找 SETI 信號的最大挑戰不是此時獲取數據。」 「困難的部分是將來自人類或地球技術的信號與我們從銀河係其他地方的技術中尋找的那種信號區分開來。」

手動進行數百萬次觀察是不切實際的。一種常見的替代方法是使用算法來尋找與天文學家認為外星信標可能看起來相匹配的信號。但這些算法可能會忽略與天文學家預期略有不同的潛在有趣信號。進入機器學習。機器學習算法在大量數據上進行訓練，可以學習識別地球干擾的特徵，使其非常擅長濾除噪音。

加州大學伯克利分校的 SETI 科學家 Dan Werthimer 說，機器學習還擅長識別不屬於傳統類別的候選地外信號，因此早期的方法可能會遺漏這些信號。加拿大多倫多大學的數學家和物理學家、這篇論文的主要作者彼得馬對此表示贊同。「我們不能總是預測 ET 會發送給我們什麼，」他說。

Ma 和他的同事篩選了 820 顆恆星的 Breakthrough Listen 觀測，這些觀測使用 100 米口徑的 Robert C. Byrd Green Bank 望遠鏡進行。他們構建了機器學習軟件來分析數據，這些數據收集了近 300 萬個感興趣的信號，但大部分被丟棄為地球干擾。然後，Ma 手動審查了大約 20,000 個信號，並將它們縮小到 8 個有趣的候選信號。

搜索最終一無所獲——團隊第二次收聽時，所有八個信號都消失了。但是這些方法可以用於其他數據，例如來自南非 64 台射電望遠鏡的 MeerKAT 陣列的大量觀測，Breakthrough Listen 於 12 月開始使用這些數據。Ma 說，機器學習算法還可以用於 SETI 存檔數據，以尋找以前可能被忽視的信號。

機器學習也是下個月將啟動的一項單獨的 SETI 工作的核心。2 月 14 日，加州大學洛杉磯分校 (UCLA) 的天文學家將啟動一項社區科學項目，公眾志願者將對無線電信號圖像進行分類，並將其歸類為潛在的干擾類型，以訓練一台機器- 學習算法以搜索來自 Green Bank 的 SETI 數據。人工智能可以幫助 SETI 過程的其他階段。Werthimer 和他的同事使用機器學習得出了一個正在進行的 SETI 項目中要觀測的恆星排名，該項目使用世界上最大的單口徑望遠鏡，即中國的 500 米 FAST 射電望遠鏡。

加州大學洛杉磯分校的天文學家 Jean-Luc Margot 說，SETI 可能會繼續使用經典方法和機器學習方法的混合來分類數據。他說，經典算法在識別候選信號方面仍然表現出色，而機器學習「不是靈丹妙藥」。