ИИ поможет направить марсоходы на поиски жизни
Чтобы искать жизнь хорошо бы знать, где она наиболее вероятна. Вот на этот вопрос может ответить ИИ
В работе, проведенной под руководством Института SETI, международная группа ученых нанесла на карту места, где есть жизнь, скрытая в соляных куполах, скалах и кристаллах в района Салар-де-Пахоналес на границе чилийской пустыни Атакама.
Затем ученые обучили ИИ распознавать природные шаблоны, связанные с обитаемыми местами, чтобы ИИ мог находить подобные шаблоны и на новых картах. Используя ИИ, ученые смогли найти биосигнатуры в 87,5% случаев (по сравнению с менее 10% при случайном поиске) и уменьшать площадь, необходимую для поиска на 97%.
«Мы надеемся, что астробиологи используют наш подход к картографированию пригодных для жизни сред и биосигнатур не только на Земле. С помощью этих моделей мы можем разрабатывать индивидуальные дорожные карты и алгоритмы, чтобы направлять марсоходы в места с наибольшей вероятностью наличия прошлой или настоящей жизни», — говорит ведущий автор работы Ким Уоррен-Роудс.
Родс и команда Института астробиологии NASA (NAI) использовали Салар-де-Паджоналес в качестве аналога Марса. Паджоналес — это высокогорное (3541 м), сухое соленое дно озера, считающееся негостеприимным для многих форм жизни, но жизнь там все-таки есть.
Во время полевых кампаний проекта NAI команда собрала более 7765 изображений и 1154 образца породы и грунта и протестировала инструменты для обнаружения фотосинтезирующих микробов, живущих в соляных куполах, скалах и кристаллах алебастра. Эти микробы выделяют пигменты, которые представляют собой одну из возможных биосигнатур на Лестнице обнаружения жизни NASA.
Изображения с дрона соединили с орбитальными данными (HiRISE), наземными выборками и трехмерным топографическим картографированием для извлечения пространственных закономерностей. Результаты подтверждают (статистически), что микробная жизнь в Паджоналесе не распределена случайным образом, а сконцентрирована в неоднородных биологических горячих точках, тесно связанных с доступностью воды.
Затем команда обучила сверточные нейронные сети (CNN) распознавать и прогнозировать макромасштабные геологические особенности в Паджоналесе. Некоторые подобные особенности уже обнаружены на Марсе.