機器學習和人工智能能否提高在火星上搜索外星生命的效率？回答是：很有可能。

火星擁有超過144,370,000平方英里的地表面積，因此，很多地方可能隱藏著潛在生命。考慮到當前和未來火星探測車超寶貴的時間，這讓以有效的方式尋找生命的證據變得更具挑戰性。為能助上一臂之力，尋找外星人的科學家組織SETI開始求助於人工智能（AI）和機器學習（ML），以計算出最有可能的地方供探測車親往搜尋——也許在某一天，太空人也會去到那裏尋找生命的線索。正如3月6日發表在《自然‧天文學》（Nature Astronomy）雜誌中首次詳述的那樣，該團隊的新人工智能機器學習模型已經顯示出加速人類尋找外星生命的潛力。

為了構建人工智能，由SETI研究所高級研究科學家金·沃倫-羅茲 （Kim Warren-Rhodes） 領導的跨學科項目訓練了一個程序，該程序使用從Salar de Pajonales地區獲取的數據。Pajonales位於智利阿塔卡馬沙漠和阿爾蒂普拉諾高原的交界處，是火星的一個不錯的替代品，那裏海拔高、氣候乾燥、有乾涸的鹽湖床、大量的紫外線和稀疏的光合微生物生命。該團隊收集了該地區的岩石、晶體和鹽丘的 7,765多張圖像和1,154個樣本，然後將這些信息與其它數據集合成一起，用於指導該程序了解和檢測具有生物特徵的區域。在將AI/ML程序轉向附近的新區域後，系統成功地找到了將近88%的相似生物特徵，而之前的隨機搜索還不到10%。新方法還將必要的搜索區域減少了高達97%。

在一份聲明中，羅茲解釋說：「這個框架使我們能夠將統計生態學的力量與機器學習相結合，以發現和預測大自然在地球上最嚴酷的環境中生存和分布的模式和規則。」她表示，希望同行們能夠採用這種方法來繪製其它環境，並檢測其它生物特徵。「通過這些模型，我們可以設計量身定制的路線圖和算法，以引導探測車前往最有可能藏匿過去或現在生命的地方——無論多麼隱蔽或罕見，」她說。

「雖然高生物特徵檢測率是這項研究的核心結果，但同樣重要的是，它成功地整合了從軌道到地面的截然不同分辨率的數據集，並最終將區域軌道數據與微生物棲息地聯繫起來，」另一名團隊成員這樣說。

隨著時間的推移，該團隊希望和其他天體生物學家團體繼續建立協作數據集，通過將其載入未來的行星探測車來幫助尋找外星生命。#

------------------
📊InfoG：
https://bit.ly/EpochTimesHK_InfoG
✒️名家專欄：
https://bit.ly/EpochTimesHK_Column
💎Miss NTD選美大賽現正接受報名：
https://bit.ly/MissNTD

------------------

🏵️《九評》20周年
https://hk.epochtimes.com/category/專題/退黨大潮

🔔下載大紀元App 接收即時新聞通知
🍎iOS：https://bit.ly/epochhkios
🤖Android：https://bit.ly/epochhkand