Gli applicativi dell’Intelligenza Artificiale sono davvero sconfinati e secondo alcuni studiosi, l’IA potrebbe essere impiegata per ricercare forme di vita extraterrestre intelligente grazie a modelli di machine learning.
IA per analizzare Big Data
Dal più di 60 anni, il progetto SETI (Search for Extratterrestrial Intelligence) si occupa di ricercare forme di vita aliene analizzando i dati e segnali ricevuti dallo spazio e tentando di comunicare con le potenziali civiltà in ascolto.
Fino a pochi anni fa era un lavoro relativamente semplice: i dati da analizzare non erano tantissimi e i ricercatori non hanno mai dovuto avere a che fare con Big Data. La svolta è arrivata nel 2015, quando il miliardario Yuri Milner ha investito decine di milioni di dollari nel programma scientifico Breakthrough Listen per cercare segnali di vita extraterrestre in un milione di stelle.
Da lì, la mole di dati è cresciuta esponenzialmente ed è diventato sempre più complicato scremarli. Un aiuto è arrivato con lo sviluppo dell’Intelligenza Artificiale e in particolare dal un algoritmo di apprendimento automatico scritto da un ricercatore dell’Università di Toronto.
L’algoritmo è in grado di imparare in autonomia a scremare tra i milioni di dati ricevuti in tempi brevissimi, imparando anche a distinguere tra i diversi tipi di segnale. Lo strumento ha quindi imparato a rimuovere i rumori terresti, scoprendo otto segnali radio inspiegabili: gli scienziati li stanno studiando nella speranza di poterlo associare agli alieni.
Life on Mars
Modelli simili sono allo studio anche per ricercare vita intelligente su Marte.
Un team di scienziati del progetto SETI dell’Institute in California sotto la guida del Prof. Kim Warren-Rhodes ha mappato le scarse forme di vita che abitano le cupole di sale, le rocce e i cristalli del Salar de Pajonales, una piana di sale al confine tra il deserto di Atacama e l’Altiplano cileno, un ambiente molto simile alla superficie marziana.
Warren-Rhodes ha poi collaborato con Michael Phillips del Johns Hopkins University Applied Physics Laboratory e con Freddie Kalaitzis, ricercatore dell’Università di Oxford, per addestrare un modello di apprendimento automatico in grado di riconoscere gli schemi e le regole associate alla distribuzione della vita nell’aspra regione. L’addestramento ha insegnato al modello a individuare gli stessi schemi e regole per un’ampia gamma di paesaggi, compresi quelli che potrebbero trovarsi su altri pianeti.
I modelli sviluppati potrebbero essere integrati in droni o rover impegnati nell’esplorazione delle superfici di altri pianeti. “Con questi modelli, possiamo progettare roadmap e algoritmi su misura per guidare i rover in luoghi con la più alta probabilità di ospitare vita passata o presente, non importa quanto nascosta o rara”, ha spiegato Warren-Rhodes.
