Машинное обучение применили к поиску внеземных сигналов

Ученые предлагают применить для поиска сигналов от внеземных цивилизаций алгоритмы машинного обучения. Мы никогда не видели такого сигнала, но искусственный интеллект может подсказать нам, как найти его.

Машинное обучение поможет выделить сигналы искусственного происхождения
Машинное обучение поможет выделить сигналы искусственного происхождения

Ученые продолжают искать внеземные сигналы

Команда ученых из университета Беркли недавно предложила применять для поиска сигналов от инопланетян машинное обучение. Несмотря на то, что мы никогда не видели ни одного такого сигнала и нам не с чем его сравнивать, компьютерные алгоритмы способны распознать его.

Человечество ищет сигналы от внеземного разума уже 60 лет. По мнению ученых, это должен быть сигнал в радиодиапазоне, который можно уловить большой «тарелкой». Проблема лишь в том, что радиодиапазон чрезвычайно широк, и на разных частотах в нем постоянно поступают какие-то шумы. При этом отличить послание внеземной цивилизации от излучения природного объекта или следов деятельности людей бывает очень непросто.

В конце концов, мы видим только колебания тока в электрическом контуре, подсоединенном к антенне. В шестидесятые годы прошлого века ученые пришли к выводу, что легче всего отправлять и принимать послания на частоте излучения нейтрального водорода — 1,42 ГГц. Считалось, что достаточно изучить все природные явления, происходящие на этой длине волн, и найти среди них искусственный сигнал.

Широкополосные передачи

Но представление о том, что легко понять, какой из шумов на самом деле является сигналом искусственного происхождения, оказалось ложным. Куча «сенсационных» сигналов за последние десятилетия после длительной проверки оказались чем-то простым, что мы раньше не учитывали. А ориентироваться в этих «ложных сообщениях» становилось все труднее.

Изменилось и наше представление о передаче сигналов. От использования некоторых радиочастот мы все больше переходим к широкополосной цифровой связи. Поэтому от инопланетян теперь ожидаем того же.

Мы вполне можем анализировать широкие полосы радиодиапазона. В этом случае аппаратура космических телескопов получает не график сигнала, а его спектрограмму, но возможных погрешностей становится в несколько раз больше.

Машинное обучение

Ученые все больше осознают, что обнаружение сигнала искусственного происхождения все больше превращается в поиск подозрительной вещи, которую мы никогда не видели, среди кучи других подозрительных вещей.

Вот здесь и важно применить машинное обучение. Это одна из областей искусственного интеллекта. Она заключается в том, что искусственная нейросеть пропускает через себя обилие уже известной информации. Затем она формирует на ее основе определенный набор реакций. При этом ей совершенно все равно, сколь разнообразной и противоречивой будет потом информация, с которой она будет работать.

У нас нет никакого подлинного сигнала от другой цивилизации. Поэтому нам не с чем сравнивать огромный объем графиков и спектрограмм. Но вполне возможно, что нам это и не нужно.

По материалам Рhys.org

Только самые интересные новости и факты в нашем Telegram-канале!

Присоединяйтесь: https://t.me/ustmagazine

Как в ранней Солнечной системе были распределены металлы
Земная атмосфера способна защитить нас от близкой вспышки сверхновой
Они среди нас: ученые Гарварда предполагают, что пришельцы маскируются под людей
NASA потратит 19,5 млн долларов на запуск фальшивой звезды
Марсоход Perseverance доехал до Светлого ангела
Путешествие к Марсу ценой почек: организм человека не выдержит межпланетный перелет
В Англии экоактивисты облили краской древнюю обсерваторию
Кратеры и ржавчина: TGO сфотографировал богатый металлами участок на Марсе
Темой международного хакатона NASA в 2024 году станет Солнце
Красные и коричневые карлики: Очень Большой телескоп нашел скрытые спутники ярких звезд