人工智能可以帮助定位火星上的生命

一项涉及牛津大学研究人员的新研究发现，人工智能可以通过显示最有希望的地方来加速寻找外星生命。研究结果发表在《自然天文学》上。

在寻找地球以外的生命时，研究人员几乎没有机会从火星或其他地方收集样本。这使得这些任务以最有可能孕育生命的地点为目标变得至关重要。

在这项新研究中，研究人员证明，人工智能(AI)和机器学习方法可以通过识别地质数据中可能表明生命存在的隐藏模式来支持这一点。

由SETI研究所的KimberleyWarren-Rhodes博士领导，由50多名研究人员组成的国际团队参与，该研究的第一部分是对位于智利阿塔卡马边界的SalardePajonales盆地3平方公里区域的生态调查南美洲的沙漠和高原。

这绘制了光合微生物的分布图，并使用基因测序和红外光谱等技术揭示了不同的生命标记，称为“生物印记”。然后将这些数据与无人机拍摄的航拍图像相结合，以训练机器学习模型，以预测哪些宏观和微观生境类型将与可能指示生命的生物印记相关联。

当使用未经训练的数据进行测试时，生成的模型能够在高达87.5%的时间内定位和检测生物印记(相比之下，随机搜索时≤10%)。这将找到阳性结果所需的搜索区域减少了高达97%。最终，类似的模型可用于引导探索行星的漫游者到达最有可能包含生命迹象的位置。

牛津大学计算机科学系的FreddieKalaitzis博士领导了机器学习方法在微生境数据中的应用。他说：“这项工作展示了一种人工智能引导的协议，用于在地球上类似火星的陆地类似物上寻找生命。该协议是同类协议中第一个接受实际现场数据培训的协议，其应用原则上可以推广到其他极端生命庇护环境。我们的下一步将是在地球上进一步测试这种方法，目的是最终帮助我们探索太阳系其他地方的生物印记，例如火星、土卫六和木卫二。

Pajonales是一个有400万年历史的湖床，是地球上最接近火星环境的湖床之一，被认为不适合大多数生命形式。高海拔(3,541米)盆地经历了异常强烈的紫外线辐射、高盐度和低温——类似于火星的蒸发盆地。

对于生态调查，研究人员收集了7,700多张图像和1,150个样本，并使用各种仪器测试了构成盆地表面的盐丘、岩石和雪花石膏晶体中是否存在光合微生物。

生物印记标记物包括类胡萝卜素和叶绿素色素，它们可以分别被视为橙粉色和绿色层。

无人机记录的图像与地面采样数据和3D地形图相结合，将区域分为四个大栖息地(米到公里尺度)和六个微栖息地(厘米尺度)。

统计分析发现，整个研究地点的微生物并非随机分布，而是聚集在不同的区域——尽管Pajonales具有近乎均匀的矿物成分。后续实验表明，水的可用性可能是决定这些生物热点位置的关键因素，而不是其他环境变量，如养分或光的可用性。

组合数据集用于训练卷积神经网络，以预测哪些宏观和微观栖息地与生物印记最密切相关。

Kalaitzis博士说：“对于航拍图像和地面厘米级数据，该模型展示了对极有可能包含生物特征的地质材料存在的高度预测能力。”“结果与地面实况数据非常吻合，生物特征的分布与水文特征密切相关。”

研究小组现在打算测试该模型预测Pajonales盆地相似但不同的自然系统位置的能力，例如古代叠层石化石。更进一步，该模型将用于绘制其他恶劣的生态系统，包括温泉和永久冻土。随着时间的推移，来自这些研究的数据将有助于告知和检验关于生物体在极端环境中生存的机制的假设。

Kalaitzis博士补充说：“我们的研究再次证明了机器学习方法能够通过分析大量不同数据并识别人类无法辨别的模式来加速科学发现。”

“最终，我们希望这种方法能够促进生物特征概率和宜居性算法、路线图和模型数据库的汇编，这些数据库可以作为火星探索的指南。”

论文“用于解码和预测陆地类似物中生物特征模式的轨道到地面框架”已发表在《自然天文学》上。

SETI研究所是一个非营利性的多学科研究和教育组织，其使命是探索、理解和解释宇宙中生命的起源和本质以及智能的演化。