W szukaniu życia na Marsie może pomóc nam sztuczna inteligencja

Historia potencjalnego życia na Marsie jest jedną wielką niewiadomą. Wiemy, że dawno, dawno temu na Czerwonej Planecie istniała ciekła woda. Dowodzą tego różnego rodzaju formy geomorfologiczne (m.in. delty dawnych rzek, czy dawne koryta rzeczne) rejestrowane na powierzchni planety. Ponadto dowody geologiczne również świadczą o obecności wody w przeszłości (osady i minerały tworzące się w warunkach wodnych lub w obecności wody).

Naukowcy wychodzą z założenia, że tam, gdzie kiedyś była woda, musiało istnieć też życie. Szukanie dawnych form życia spędza sen z powiek badaczy już od bardzo wielu lat. Uczenie maszynowe i sztuczna inteligencja mogą spowodować, że przyszłe analizy będą mniej uciążliwe.

Dr Kimberley Warren-Rhodes z Instytutu SETI wraz ze swoim międzynarodowym zespołem badawczym stwierdziła, że wspomniane wyżej narzędzia mogą skutecznie identyfikować ukryte wzorce w danych geologicznych, które mogłyby wskazywać na obecność oznak życia.

Jak mówi Warren-Rhodes: - Nasze ramy pozwalają nam połączyć moc ekologii statystycznej z uczeniem maszynowym, aby odkryć i przewidzieć wzorce i zasady, dzięki którym natura przetrwa i rozprzestrzenia się w najtrudniejszych krajobrazach na Ziemi.

Dodaje również: - Mamy nadzieję, że inne zespoły astrobiologiczne dostosują nasze podejście do mapowania innych środowisk nadających się do zamieszkania i biosygnatur. Dzięki tym modelom możemy zaprojektować mapy drogowe i algorytmy dostosowane do potrzeb, aby poprowadzić łaziki do miejsc o najwyższym prawdopodobieństwie wystąpienia przeszłego lub obecnego życia — bez względu na to, jak ukryte lub rzadkie.

Testy nowego systemu prowadzone były na Ziemi na obszarze pustyni Atakama w Chile - miejsce to najbardziej przypomina niegościnny marsjański krajobraz. Badania przeprowadzono na płaskowyżu Altiplano zwanym też Salar de Pajonales. Obszar ten jest dawnym korytem rzecznym, przez co jest jednocześnie najlepszym analogicznym miejscem dla marsjańskiego środowiska.

Teren położony jest na wysokości 3 541 m n.p.m., przez co powierzchnia ziemi otrzymuje większą dawkę promieniowania UV. Ponadto notuje się tu niższą zawartość tlenu i bardzo niską zawartość pary wodnej. Dodatkowo obszar odznacza się sporym stopniem zasolenia. Naukowcy twierdzą, że nawet w tym miejscu można odnaleźć życie (w poszczególnych formacjach mineralnych).

Naukowcy wykonali 7 765 zdjęć i pobrali 1 154 próbki z niecałych trzech kilometrów kwadratowych powierzchni. Na tym obszarze szukali charakterystycznych biosygnatur, które wskazywałyby na obecność fotosyntetycznych mikrobów, które tworzą pigmenty karotenoidowe i chlorofilowe - barwią one skałę na różowo i na zielono. Ponadto w analizach wykorzystano drony, które wykonywały zdjęcia lotnicze, by następnie stworzyć symulację obrazów, które byłyby dostarczone przez satelity krążące nad Marsem.

Kolejnym krokiem było wprowadzenie wszystkich wspomnianych danych do splotowych sieci neuronowych (CNN). Dzięki czemu sztuczna inteligencja "wyszkoliła się" w rozpoznawaniu biosygnatur. Okazało się, że CNN identyfikował życie mikrobiologiczne, nawet kiedy teren odznaczał się prawie jednolitym składem mineralnym. Wyniki badań wskazują, że gips mineralny był zamieszkany w około 40 proc. Z kolei skały posiadające gipsowe wkładki były zamieszkiwane w około 50 proc.

Co ciekawe mikroby były "silnie przyciągane" do alabastru, który jest porowatą i drobnoziarnistą formą gipsu zatrzymującą wodę. Naukowcy sądzą, że właśnie alabaster jest miejscem, gdzie z bardzo dużą dawką prawdopodobieństwa można odnaleźć mikrobiologiczne życie.

Jak napisali naukowcy w swoim artykule naukowym: "Modele sztucznej inteligencji i uczenia maszynowego z powodzeniem zidentyfikowały cechy geologiczne zawierające z dużym prawdopodobieństwem biosygnatury w skalach przestrzennych istotnych dla eksploracji astrobiologicznej opartej na łazikach. Ukierunkowane podejścia wzmocnione przez głębokie uczenie zapewniły 56,9-87,5 proc. prawdopodobieństwa wykrycia biosygnatur w porównaniu z <10 proc. w przypadku losowych wyszukiwań i zmniejszyły fizyczną przestrzeń wyszukiwania o 85-97 proc.".

W dalszych eksperymentach naukowcy zamierzają wyszkolić CNN w szukaniu innych biosygnatur, takich jak stromatolity, które są laminami węglanu wapnia - powstają jako efekt uboczny życia sinic i mogą mieć miliardy lat. Ponadto w planach jest również wprowadzenie do CNN rozpoznawania halofitów, które rozwijają się w bardzo słonych środowiskach. Wyniki badań zostały opublikowane w Nature Astronomy.