一顆荒涼而貧瘠的外星，背景是紫色的天空，以及恒星、行星、衛星、小行星等（藝術想象圖）。 圖片來源：美國《福布斯》雙周刊網站

科技日報記者?劉霞

在浩渺宇宙間，人類是已知唯一的智慧生命嗎？多年來，這個問題一直縈繞在無數科學家心頭，也推動他們不斷探索更深遠的未知。

美國《福布斯》雙周刊網站在近日的報道中指出，包括機器學習在內的人工智能（AI）技術不斷取得進步，賦予科學家搜尋外星生命更多助力，將徹底改變外星生命探索的面貌。例如，機器學習技術有望徹底改變科學家處理和分析天文觀測數據的方式；先進的AI工具更有可能識別出表明外星生命的信號，大大加快科學家在宇宙其他角落發現生命的效率。

機器學習識別潛在信號

“搜尋地外智慧生命（SETI）”項目主要是搜索宇宙中外星生命信號。鑒于宇宙浩渺無垠，這將是一項艱巨任務。AI能處理和分析遠超出人類能力的龐大數據集，其中機器學習算法可篩選宇宙輻射的噪聲，從而可以前所未有的速度和準確性識別可能意味著外星生命存在的信號。

AI在SETI中大顯身手的一個領域是“突破聆聽”項目。該項目利用分布在全球各地的望遠鏡，在100萬顆恒星中尋找智慧生命的跡象。

加拿大多倫多大學和美國加州大學科學家在2月底出版的《自然·天文學》雜志上發表論文稱，他們開發出一種機器學習軟件，對820顆恒星的“突破聆聽”觀測數據進行分析，識別出了近300萬個有價值信號。盡管大多數信號被作為干擾排除，但在2萬多個經過人工審核的信號中，他們找到了8個有望昭示地外智慧生命的候選信號，凸顯了AI在加速數據驅動的新天文學時代的潛力。

神經網絡發現隱藏系外行星

識別太陽系外的行星對尋找外星生命至關重要。AI算法在這項任務中越來越不可或缺，尤其是在分析美國國家航空航天局的開普勒空間望遠鏡和“凌日系外行星勘測衛星”等收集的數據時。

開普勒空間望遠鏡已借助凌日法發現了數千顆系外行星。2022年，谷歌AI研究團隊開發出名為ExoMiner的神經網絡，通過篩選開普勒望遠鏡的數據，發現了301顆以前未知的系外行星，展示了AI發現宜居行星的潛力。

神經網絡是一種算法，當輸入足夠多數據時，它可學習并提高自己的能力。有了此次成功經驗，科學家計劃用該算法幫助篩選其他系外行星“捕手”獲得的數據，例如歐洲空間局的“對流旋轉和行星橫越任務”，以及將于2026年發射的下一代行星搜尋任務“柏拉圖”捕捉的數據。

用模因算法找出宜居行星

確定系外行星是否適合生命繁衍生息是一項復雜的挑戰，需要分析從大氣成分到表面溫度等在內的諸多因素。

AI模型正在接受訓練，以預測已發現系外行星的宜居性。通過學習地球的已知條件和從系外行星獲得的有限數據，AI可評估銀河系其他星球存在維持生命環境的可能性。

此外，科學家也在借助AI工具，發現新的宜居行星。據俄羅斯衛星通訊社報道，印度天文學家開發出新AI算法“MSMBTAI”，可從已知的5000顆行星中，找出了約60顆可能適合生命生存的行星。

MSMBTAI基于多階段模因算法，可作為一種快速篩選工具，通過觀察到的特征評估行星的宜居性。

此外，如果真的接收到來自外星文明的信號，解讀其內容將面臨前所未有的挑戰。自然語言處理和機器學習等AI工具可能有助于解碼此類信息。

科學家表示，如果人類從外星文明接收到類似阿雷西博信息的信號，AI可分析二進制編碼的信息，解析出潛在的含義并予以響應。阿雷西博信息是以前地球上最強大的射電望遠鏡阿雷西博射電望遠鏡向25000光年外的武仙座M13星團發射的無線電信息。

在AI的幫助下，科學家有望更快厘清人類是否是宇宙中唯一智慧生物這一亙古難題。