Mystery Planet es un sitio web que ofrece noticias y artículos sobre ciencia y misterios. Para estar al tanto de todo lo que publicamos, además de seguirnos en nuestras redes sociales o suscríbete a nuestro boletín de noticias, te invitamos a nuestro canal de Telegram.
Una inteligencia artificial que no depende de instrucciones humanas se las ha arreglado para identificar señales que los algoritmos tradicionales habían pasado por alto.
Establecido en 1984, SETI ha hecho su misión escanear los cielos en busca de señales de radio no basadas en la Tierra que puedan pertenecer a una civilización alienígena. Hasta ahora, esta búsqueda de décadas aún no ha arrojado pistas convincentes, pero un nuevo artículo publicado en la revista Nature Astronomy espera cambiar eso mediante el uso de una inteligencia artificial (IA) de aprendizaje automático.
Utilizando datos de radiotelescopios que se recopilaron por primera vez en 2016, el algoritmo de aprendizaje automático analizó más de 480 horas de datos de 820 estrellas e identificó ocho señales de interés que los algoritmos anteriores no habían detectado.
«Si bien la IA se ha aplicado a los datos de radio de SETI en el pasado, este nuevo enfoque elimina completamente a las manos humanas de la búsqueda», dijo Peter Ma, autor principal del artículo y estudiante de pregrado en la Universidad de Toronto. «Se basa completamente en la red neuronal sin ningún algoritmo tradicional que la respalde y produjo resultados que los algoritmos tradicionales no recogieron».
La transmisión de datos de radio desde el espacio exterior es un recurso abundante, pero también se puede confundir fácilmente con nuestras propias señales de radio basadas en la Tierra. Ma dijo que las señales de interés que se extraen de esta neblina son las que «son señales de deriva doppler de banda estrecha que se originan en alguna fuente extraterrestre».
En otras palabras, señales de radio que se mueven y caen en un rango particular de frecuencias. Sin embargo, cómo estas señales pueden transformarse con el tiempo o la distancia sigue siendo una pregunta abierta.
Super excited to FINALLY publish my first authored paper on the search for advanced extraterrestrial life using deep learning! Check out our Nature Astronomy paper here!https://t.co/3FobupnF0L
— Peter Ma (@peterma02) January 30, 2023
Buscar estas señales en los datos puede ser como buscar una aguja en un pajar: requiere mucho tiempo y es tedioso, pero ahí es donde el aprendizaje automático puede ayudar. Ma y sus colegas diseñaron su red neuronal para identificar y luego clasificar lo que «piensa» son las características más importantes de los datos SETI, mientras intentan filtrar la interferencia basada en la Tierra.
Además de ser el doble de rápido que los algoritmos tradicionales, Ma dijo que el uso de una red neuronal para estudiar estos datos también permite un tipo de pensamiento innovador que los algoritmos dictados por humanos luchan por lograr.
«Los algoritmos tradicionales operan con un conjunto dado de instrucciones diseñadas por nosotros… por lo tanto, el algoritmo solo descubrirá lo que le decimos que encuentre», explicó. «El problema es que la naturaleza de una señal ET no se conoce por completo... Por lo tanto, nuestro enfoque propuesto es simplemente aprenderlo».
La red neuronal de Ma y sus colegas pudo encontrar ocho señales únicas ocultas en los datos que pueden ser potencialmente de fuentes extraterrestres, pero aún no se han realizado investigaciones para confirmarlas. Y aunque un análisis más detallado puede confirmar que estas fuentes no están basadas en la Tierra, eso no significa que los científicos sabrán exactamente a qué tipo de tecnología están conectadas.
En el mejor de los casos, estas señales pueden incluir información incrustada sobre la ingeniería de la tecnología o incluso una colección de firmas tecnológicas de una civilización alienígena —y lo irónico sería si dicha civilización que emitió la señal no esté compuesta por inteligencias biológicas sino artificiales—.
Fuente: Motherboard. Edición: MP.
¿Te gustó lo que acabas de leer? ¡Compártelo!
Artículos Relacionados
0 comentarios