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?

למאמר המדעי

הפוסט האם בינה מלאכותית תזהה אותות של טכנולוגיות חוצניות? הופיע לראשונה ב-Chiportal.

שיטפונות בזק הם אירועי הצפה מהירים ובעוצמה גבוהה אשר נגרמים בעיקר בגלל גשמים כבדים. מכיוון שלשיטפונות בזק יש זמן תגובה קצר של מספר שעות, הם בעייתיים לחזוי וביכולתם לגרום לנזקים כבדים לשטחים חקלאיים ולעיתים אף לאבדות בנפש.

צוות חוקרים מאוניברסיטת אריאל וממו"פ מזרח, בדקו האם ניתן לחזות שיטפונות וארועי מזג-אוויר קיצוניים עד 24 שעות לפני התרחשותם, באמצעות למידת השינויים בכמות אדי המים באוויר. התוצאות מעודדות.

בין הגורמים לשיטפונות הבזק, כדוגמת רוויית קרקע או כיסוי פני השטח, ההתפלגות במרחב ובזמן של המשקעים היא המשמעותית ביותר על סמך ניתוח התוצאות ממודלים הידרולוגיים.

משטר הגשמים באזורים הצחיחים והצחיחים למחצה של אזור מזרח הים התיכון משתנה ביותר, ומורכב ברובו מאירועים קצרים, בעוצמה גבוהה.

לפיכך, על מנת לחזות אירועי שיטפון, יש להתייחס תחילה למיקום ולתזמון אירועי הגשמים הכבדים אותם ניתן לנטר באמצעות פלטפורמות חישה מרחוק (כדוגמת מכ"ם מזג אוויר). אפשרות נוספת היא למדוד את כמות אדי המים באטמוספירה על מנת לזהות כמויות לחות משמעויות שמהווים תנאי הכרחי לאירועי גשמים כבדים. אחת השיטות האמינות להערכת כמות אדי המים באוויר היא באמצעות ניטור אותות ממערכות הניווט הגלובליות העולמיות. באמצעות ניטור אותות אלו המתקבלים בקרקע ניתן לגזור את כמות העיכוב שיש לאות בזמן המעבר שלו בטרופוספרה ולהמיר אותו בדיוק רב לכמות אדי המים באוויר באמצעות נתוני הלחץ והטמפרטורה בקרקע. שימוש ברשתות לווייני הניווט, יכולה לספק ללא הרף אומדן כמעט בזמן אמת של עמודות אדי המים באוויר מעל מיקומם של המקלטים המוצבים על הקרקע ובכך לייצר כסוי מרחבי אדיר.

ב- 30 השנים האחרונות, כמות אדי המים באוויר הנגזרת ממערכת הניווט הגלובלית העולמית (GNSS) נבחנת באופן ייסודי אל מול פלטפורמות רבות אחרות של חישה מרחוק, מדידות ישירות ומוצרי ניתוח מחדש עם דיוק בערכים המוערכים ( 1-3 מ"מ). יתרה על כן, ניתן להטמיע את מפות אדי המים גם במודלים המודרניים של תחזית מזג האוויר, ובכך להפחית את השגיאות בהערכת אדי המים ביותר מ -30% בהשוואה למדידות ישירות (רדיוסונדה).

השימוש המדעי בטכנולוגיות חישה מרחוק מהקרקע ומהחלל הוא הכרחי למחקר בנושא אירועי מזג-אוויר קיצוניים. היכולת לחזות מתי ואיפה יתרחש אירוע מזג-אוויר קיצוני כגון שטפון באזור מסוים עדיין נשארת מאתגרת בתחום המחקר של ניטור, חיזוי ומוכנות לאירועי מזג קיצוניים. בעוד שרוב הכוחות והמכניקה הבסיסית שקשורים לאירועים אלו ניתנים להטמעה במודלים פיסיקליים ומספריים, היעדר נתונים מתאימים ממדידות בזמן אמת מקשים על בניית תחזיות מדויקות של אירועי קיצון. עקב כך, יותר ויותר מדענים חוקרים כיום את האופציה לשימוש בשיטות אנליזה מרובות משתנים מתחומי כריית נתונים ולמידת מכונה על מנת לפתח יכולת הערכה להתרחשות אירועי קיצון עתידיים על סמך תבניות באירועיי העבר.

"במאמר זה, מסביר ד"ר יובל ראובני מאוניברסיטת אריאל ומו"פ מזרח, הצלחנו לחזות, בהינתן 24 שעות של נתוני אדי המים באוויר, האם יתרחש שיטפון בזק או לא, בדיוק של מעל ל 90%. הצגנו את הפוטנציאל הממשי לשימוש בערכי אדי המים באוויר המחושבים מ- 9 תחנות GPS קרקעיות בחלק הצחיח של אזור מזרח הים התיכון, על מנת לחזות שטפונות בזק. המודלים השונים שנבחנו, נבדקו עבור מספר רב של מדדי ציון, ואף הצליחו להשיג תוצאות טובות יותר כאשר נוספו לתהליך הלמידה מדידות נוספות כגון הלחץ בקרקע. ניתוח מעמיק של חשיבות המדידות השונות מראה שהמאפיין החשוב ביותר הוא השינוי בערכי אדי המים באוויר בין שעתיים ל- 6 שעות לפני התרחשות שיטפון הבזק. תוצאות מבטיחות אלו מניחות את הקרקע למערכת חיזוי והתראה בזמן אמת אשר יכולה להציל אבדות בנפש ולמנוע נזקים כבדים ברכוש".

המחקר נעשה בראשותם של ד"ר יובל ראובני חוקר ומרצה מהמחלקה לפיזיקה באוניברסיטת אריאל וחוקר בכיר במו"פ מזרח, והפוסטדוקטורנט ד"ר שלומי זיסקין זיו מהמחלקה לפיזיקה באוניברסיטת אריאל וחוקר בכיר במו"פ מזרח. כמו כן, המחקר מומן ע״י משרד המדע.

למאמר המדעי

הפוסט חיזוי שיטפונות באמצעות למידת מכונה בדיוק של מעל ל 90% הופיע לראשונה ב-Chiportal.