利用先进的人工智能来帮助人类 寻找外星生命的迹象 听起来可能像科幻小说的情节。然而，这是一种调查人员 越来越常采用 的策略，以帮助加速和改进他们的地外文明探测方法。正如 Nature Astronomy 上发表的一篇新论文所揭示的，该领域最有希望的进展之一可能来自于一名大学生。
在过去的几年里，多伦多大学三年级数学和物理专业的学生 Peter Ma，与 SETI 和 Breakthrough Listen（一项旨在寻找外星智能“技术特征”的倡议）的导师们一起，开发了一种新的神经网络技术，能够解析海量的银河系无线电信号，以寻找外星生命。根据 SETI 的常见问题解答，窄带无线电频率被认为是地外文明的潜在指标，因为它们需要“特意制造的发射器”。
[相关：我们是宇宙中唯一的生命吗？可能不是。]
虽然之前的搜索算法只能识别由人类精确定义为异常的情况，但 Ma 的深度机器学习系统允许进行人类指定的算法无法复制的替代性思考模式。
Ma 在给 PopSci 的一封电子邮件中解释说：“人们已经将机器学习或深度学习的组成部分嵌入搜索技术中来协助 [强调 theirs] 搜索。我们的技术就是搜索，这意味着整个过程被神经网络有效地取代了，它不再只是一个组成部分，而是整个过程。”
正如 Motherboard 等媒体最近报道的那样，结果至少可以说是令人鼓舞的——Ma 的系统已经发现了八个新的值得关注的信号。更重要的是，Ma 的深度学习程序在梳理来自 820 颗近距离恒星的 150TB 数据时，发现了潜在的地外文明证据，而这些数据之前已经用经典技术进行了分析，但当时 被确定为没有 任何值得进一步调查的东西。
根据 Ma 周一发布的摘要，该大学生之前发现标准的监督搜索模型过于受限，因为它们只能找到与它们训练的模拟信号匹配的候选信号，而无法泛化任意异常。同样，现有的无监督方法也过于“不可控”，会标记任何细微变化的信号，从而“返回大部分垃圾”。通过在深度学习程序的训练过程中对加权考虑进行中间交换，Ma 发现他和他/她/他的团队可以“在两者之间取得最佳平衡”。
[相关：“历史人物” AI 聊天机器人不仅不准确——而且很危险。]
结果表面上是增加了一个潜在外星生命迹象的校对员，能够突出人类眼睛甚至其他 AI 程序可能错过的异常情况。尽管如此，Ma 解释说，他/她/他的程序远非无需人工干预，并且需要大量的工程设计来指导其学习研究人员想要的属性。“归根结底，我们仍然需要人类的验证。我们不能仅仅依赖或信任 黑箱工具，比如神经网络来开展科学研究，”他写道。“它是科学家的工具，而不是科学家的替代品。”
Ma 还警告说，这八个新发现的值得关注的信号在统计学上不太可能提供任何外星生命的决定性证据。尽管如此，他/她/他的新 AI 进步很快就可以成为更精确地搜索恒星的宝贵工具。SETI、Breakthrough Listen 和 Ma 已经计划很快利用南非的 MeerKAT 望远镜阵列进行 24/7 技术特征观测，以及“允许我们搜索海量额外数据的类似信号的分析”。
