A gépi tanulás növeli a földönkívüli intelligencia keresését

A Torontói Egyetem kutatóinak új tanulmánya szerint a gépi tanulás segíthet a földönkívüli intelligencia keresésében a SETI-t.

A földönkívüli intelligencia keresése adatválogatási kihívással néz szembe. A Nature Astronomy című szaklapban nemrég megjelent tanulmány szerint a gépi tanulás lehetséges megoldást jelenthet. A Torontói Egyetem Peter Ma vezette kutatócsoportja olyan gépi tanulási módszert mutatott be, amellyel a Breakthrough Listen projekt adatai között kutatva olyan jeleket fedeztek fel, amelyek potenciális technológiai komplexitás jelei lehetnek, amelyek intelligens idegen civilizációra utalnak.

Peter Ma kutatása az elektromágneses spektrum keskeny sávú rádiózására összpontosít, amely hatékony a jelek küldésére és amelyet valószínűleg idegen civilizációk is használnak, ha léteznek. Az 1420 MHz-es tartomány, amelyet hidrogénvonalnak neveznek, a semleges hidrogén sugárzást kibocsátó frekvenciája és a SETI-kutatók által vizsgált rádiósáv kulcsfontosságú része. Ennek az az oka, hogy bármely, a csillagok iránt érdeklődő idegen civilizáció valószínűleg ezt a sávot nézné, így ez egy "galaktikus víznyelő".

Az új módszer abban különbözik a hagyományos SETI-kutatásoktól, hogy az algoritmust egyenes vonalak keresése helyett a jelek felismerésére képzik ki. Az új megközelítés rugalmasabb és hatékonyabb, mivel képes felismerni az anomáliákat a keskeny sávban és olyan jeleket is felfogni, amelyeket a földi mérnökök esetleg nem jeleznének előre. A gépi tanulás segíthet abban, hogy a SETI-kutatás pontosabbá és precízebbé váljon, mivel a kihívás az, hogy elegendő adatot kapjunk a teleszkópoktól, amivel növeljük az észlelés esélyét.

• gépi tanulás
• SETI
• Adatválogatás
• Algoritmus
• teleszkóp
• csillagászat