Hay un montón de lugares para que la vida se esconda. Incluso en nuestro planeta azul, donde sabemos que hay vida abundante, a veces es difícil predecir todos los diferentes entornos en los que podría surgir. Explorar mundos distintos al nuestro en busca de vida haría exponencialmente más difícil detectarlo porque, de manera , no sabemos realmente lo que estamos buscando. Pero la vida probablemente se presentará con algún tipo de patrón. Y hay una nueva tecnología que es excepcional en la detección de patrones: el aprendizaje automático. Los investigadores del Instituto SETI han comenzado a trabajar en un sistema de inteligencia artificial basado en el aprendizaje automático que hará precisamente eso.
El conjunto de entrenamiento es uno de los requisitos esenciales en cualquier algoritmo de aprendizaje automático. Entonces, los investigadores observaron el Salar de Pajonales cerca del desierto de Atacama en Chile. Este páramo árido es muy similar a la superficie abrasada por el sol de Marte, con una penetración de luz ultravioleta muy alta, muy poca agua y mucha sal. Pero sigue siendo el hogar de la vida tal como la conocemos.
Entonces, los investigadores, dirigidos por Kim Warren-Rhodes, decidieron comenzar a tratar de diferenciar los lugares donde existía vida en el área y donde no. Para hacerlo, recolectaron casi 8000 imágenes del sitio y tomaron más de 1100 muestras alrededor del área que estaban capturando. Algunas de las imágenes fueron tomadas por drones y otras por satélite, pero se combinaron lo suficiente como para proporcionar una imagen completa del Salar de Pajonales.
Crédito – Instituto SETI
En esas imágenes, los investigadores encontraron un patrón distribuido estadísticamente que mostraba que la vida se estaba agrupando en ciertas áreas en lugar de distribuirse uniformemente en toda el área. Como era de esperar, estos parches estaban directamente relacionados con la disponibilidad de agua. Pero también formaron un patrón que puede incorporarse a un algoritmo.
Integrar las imágenes utilizadas para alimentar ese reconocimiento de patrones fue un desafío, pero el equipo utilizó integraciones como las realizadas con los diferentes sistemas de imágenes de Perseverance como referencia. Después de recibir capacitación sobre qué buscar, el diseño, conocido como red neuronal convolucional, detectó firmas biológicas en áreas no utilizadas para su conjunto de capacitación con un 87,5 % de precisión. También tenía la ventaja adicional de disminuir el área general necesaria para la búsqueda en un 97 %.
Esos son algunos números impresionantes, pero en realidad solo representan los tipos de áreas secas y áridas que actualmente comprenden el conjunto de datos de la red. Todavía pueden ser útiles para cosas como dirigir un rover a un lugar más atractivo o apuntar un satélite marciano en órbita a un sitio prometedor. Sin embargo, todavía queda mucho trabajo por hacer antes de que este sistema pueda predecir con confianza y coherencia la existencia de vida en estos patrones.
Crédito: Warren-Rhodes et al.
Parte de ese trabajo ya es el próximo punto focal de los investigadores de SETI: en su lista de lugares para mapear se encuentran aguas termales, suelos de permafrost y rocas en Dry Valley. Todas estas ubicaciones adicionales contienen algo de vida en la Tierra, pero queda por ver si se puede decir lo mismo en otros planetas. Pero, a medida que comencemos a recopilar más datos sobre posibles firmas biológicas en lugares como Marte, Venus y Encelado, entonces este nuevo algoritmo SETI, o uno de sus sucesores, probablemente desempeñará un papel clave para determinar si realmente encontramos el santo grial de la búsqueda de vida extraterrestre o no.
Aprende más:
Instituto SETI – ¿Puede la inteligencia artificial ayudar a encontrar vida en Marte o en mundos helados?
Warren-Rhodes et al. – Marco de órbita a tierra para decodificar y predecir patrones de firma biológica en análogos terrestres
UT: más datos y aprendizaje automático han puesto a SETI en marcha
UT – Investigadores desarrollan un nuevo marco para la búsqueda de firmas biológicas
Imagen principal:
Mapas de probabilidad de biofirmas en el desierto chileno.
Crédito: Warren-Rhodes et al.
