机器学习可以为寻找地外智能体提供动力

由于机器学习的发展，SETI（即寻找地外智能）领域正在加速达到新的高度。

在上周发表在《自然-天文学》上的一篇论文中，由多伦多大学的Peter Ma领导的研究小组分享了一种机器学习方法，用于挖掘来自 "突破聆听 "项目的数据，以识别可能是潜在技术特征的信号--即表明有智能外星文明的技术复杂性迹象。

随着人类越来越善于观察宇宙并了解其历史，我们是否孤独的问题从未像现在这样尖锐。如果地球之外有生命，我们怎么能找到它？为什么我们还没有被联系到？要怎样才能与外星文明建立起联系？

(相关资料图)

Ma的研究集中在电磁波谱的一个特定部分，即窄带无线电。虽然宇宙中的各种物体都会在广泛的频率范围内发出辐射，但无线电频率对于发送信号特别有效。而当我们，作为人类，使用无线电波进行通信时，我们使用的是窄带，因为这更有效率。

SETI研究人员认为，外星文明，如果它们在那里，也会这样做。"Ma解释说："从技术角度来看，任何智能文明，如果他们也试图通过电磁辐射（如无线电）进行传输，那么在窄波段进行传输是合理的。

为什么我们还没有被联系到？要怎样才能与一个外星文明建立联系呢？

SETI的研究人员对无线电波段的一个特殊部分感兴趣，大约在1420MHz范围内。这被称为氢线，对天文学家来说很重要，因为它是中性氢发出辐射的频率，所以它是研究各种天文目标的关键。

研究人员认为，任何对恒星感兴趣的外星文明也可能会关注这个波段，因此它被称为 "银河系的饮水孔"。如果一个文明试图在宇宙中进行交流，这是我们对他们用来进行交流的频率的最佳想法。

这种方法是前些年许多SETI研究的基础：通过梳理数据来寻找这个频段的信号，通常使用一种叫做turboSETI的算法。该算法通过频率搜索时间图，寻找直线，这表明信号的存在。这是一种搜索大量数据的有效方法，但它也有问题--其中最重要的是过滤掉由地球干扰引起的假阳性结果。

新方法采取了一种不同的方法。研究人员没有搜索这些直线，而是输入了原始观测数据，然后模拟了他们感兴趣的那种信号，并训练他们的算法来识别这些信号。

这使得信号识别有了更灵活的方法，在窄带中拾取忽上忽下的异常现象，即使它们没有传统算法会标记的简单线条形状。这是一种更普遍的方法，允许出现可能无法被地球上的工程师预测到的信号类型。

它也使该方法更快、更有效。"Ma说："人们最初所做的是采用经典算法，并在管道的某个地方附加了机器学习方法。现在，随着机器学习领域的发展，整个管道可以是基于机器学习的。

这很重要，因为SETI本质上是一个数字游戏：挑战在于从足够多的望远镜中获取足够多的数据，以增加探测的机会。梳理所有这些数据以找到宇宙干草堆中的针，需要越来越高效的方法。

更广泛的SETI领域是一个不寻常的事业，因为研究人员可以将他们的整个职业生涯用于寻找可能存在或不存在的东西。强大的望远镜阵列和机器学习技术等新工具可以帮助使搜索更加准确和精确。"Ma说："历史上从来没有一个更好的时机让我们做SETI。但是，即使我们的星球之外确实存在生命，我们可能永远没有机会发现它。

另一方面，还有一种诱人的可能性，那就是人类明天可能会探测到一个有趣的信号，甚至外星文明的证据可能已经存在于几十年来从天空中收集的大量数据中。