כדי לסנן רעשים לא רצויים ולזהות אותות מעניינים, החוקרים השתמשו באלגוריתם למידת מכונה שנקרא רשת עצבית קונבולוציונית (CNN). רשתות CNN הן סוג של רשת עצבית מלאכותית שיכולה לזהות דפוסים בנתונים, כגון תמונות או גלי קול
אלגוריתמים של למידת מכונה ממלאים תפקיד חשוב יותר ויותר בחיפוש אחר חיים מחוץ לכדור הארץ. לאחרונה, חוקרים פיתחו אלגוריתם למידת מכונה חדש שאיפשר להם לזהות בדיעבד אותות מעניינים שלא זוהו בעבר.
המחקר, שפורסם בכתב העת Astrophysical Journal, הובל על-ידי חוקרים מאוניברסיטת מנצ'סטר והיוזמת Breakthrough Listen, המוקדשת לחיפוש אחר חיים תבוניים מעבר לכדור הארץ. החוקרים השתמשו בנתונים מטלסקופ גרין בנק במערב וירג'יניה ומטלסקופ פארקס באוסטרליה, שניים מטלסקופי הרדיו הגדולים בעולם.
טלסקופי רדיו הם מכשירים רבי עוצמה שיכולים לזהות גלי רדיו הנפלטים על-ידי עצמים בחלל. גלים אלה יכולים לספק מידע רב ערך על התכונות וההתנהגות של גופים שמימיים, כולל סימני חיים פוטנציאליים. עם זאת, אותות רדיו מהחלל מזוהמים לעתים קרובות על-ידי הפרעות ממקורות שונים, כגון תופעות טבע, טכנולוגיות מעשה ידי אדם, ואפילו שידורי רדיו מכדור הארץ.
כדי לסנן רעשים לא רצויים ולזהות אותות מעניינים, החוקרים השתמשו באלגוריתם למידת מכונה שנקרא רשת עצבית קונבולוציונית (CNN). רשתות CNN הן סוג של רשת עצבית מלאכותית שיכולה לזהות דפוסים בנתונים, כגון תמונות או גלי קול.
החוקרים אימנו את ה-CNN על מערך נתונים של 590 שעות של תצפיות רדיו משני הטלסקופים. הם השתמשו בתת-קבוצה של נתונים אלה כדי לאמן את האלגוריתם לזהות אותות מעניינים, כגון אותות בפס צר האופייניים לשידורים מלאכותיים. לאחר מכן, הם בחנו את ה-CNN על הנתונים הנותרים כדי לראות עד כמה הוא יכול לזהות אותות חדשים שלא היו חלק ממערך האימונים.
התוצאות היו מבטיחות. ה-CNN הצליח לזהות כמה אותות שלא זוהו קודם לכן, שלא נראו בנתונים המקוריים. לאותות אלה היו מאפיינים שהציעו שהם יכולים להיות ממקור מלאכותי, אם כי יש צורך בניתוח נוסף כדי לאשר זאת.
החוקרים ציינו כי הגישה שלהם יכולה לעזור להאיץ את החיפוש אחר חיים מחוץ לכדור הארץ על-ידי מתן אפשרות לזיהוי מהיר ומדויק יותר של אותות מעניינים. הם גם הצביעו על כך שניתן ליישם את השיטה שלהם על סוגים אחרים של נתונים מעבר לגלי רדיו, כגון תמונות או ספקטרה.
החיפוש אחר חיים מחוץ לכדור הארץ הוא אחד המאמצים המדעיים המרתקים והחשובים ביותר של זמננו. בעוד שעדיין לא מצאנו ראיות חד משמעיות לחיים מעבר לכדור הארץ, לגילוי של חיים מחוץ לכדור הארץ, אפילו של הצורות הפשוטות ביותר, יהיו השלכות עמוקות על הבנתנו את היקום ואת מקומנו בו.
למידת מכונה היא רק אחד מהכלים הרבים שחוקרים משתמשים בהם במסע הזה. טכניקות אחרות כוללות חיפושים ממוקדים אחר סוגים ספציפיים של אותות, כגון אלה הנפלטים על-ידי תרבויות מתקדמות, וסקרים נרחבים של אזורים גדולים בשמיים כדי לזהות דפוסים חריגים.
למרות האתגרים וחוסר הוודאות הכרוכים בחיפוש אחר חיים מחוץ לכדור הארץ, התגמולים הפוטנציאליים הם עצומים. לא רק שגילוי החיים מחוץ לכדור הארץ ירחיב את הידע שלנו על היקום, אלא שהוא גם יכול לעורר השראה בטכנולוגיות וחידושים שיכולים להועיל לאנושות באינספור דרכים.
לדברי החוקרים, השימוש באלגוריתמים של למידת מכונה עוזר לחשוף אותות מעניינים שלא זוהו בעבר בחיפוש אחר חיים מחוץ לכדור הארץ. אמנם נותרה עבודה רבה לעשות, אך גישה זו עשויה להאיץ את ההתקדמות שלנו בתחום מרגש זה ולקרב אותנו צעד אחד קרוב יותר לתשובה לשאלה עתיקת היומין: האם אנו לבד ביקום?
