La Semana Mundial del Espacio 2023 ya está aquí y Space.com analiza el estado actual de la inteligencia artificial (IA) y su impacto en la astronomía y la exploración espacial mientras la era espacial celebra su 66.º aniversario. Aquí, Keith Cooper analiza cómo la IA podría ayudar a los humanos a detectar vida extraterrestre.
Gire un radiotelescopio hacia la estrellas en el cielo, y al instante queda ensordecido. De púlsares Desde las radiogalaxias y las perturbaciones ionosféricas en la atmósfera hasta las interferencias de radiofrecuencia (RFI) de nuestra propia tecnología, el cielo es una cacofonía de ruido de radio. Y en algún lugar, entre todo eso, puede haber una aguja en un pajar: una señal de otro mundo.
Durante más de 60 años, los científicos han estado explorando los cielos en busca de vida extraterrestre, pero aún no han encontrado extraterrestres. Cuando se considera el gran volumen del espacio de búsqueda (todas esas estrellas, todas esas frecuencias de radio) en comparación con nuestras búsquedas limitadas hasta ahora, no es de extrañar que no hayamos encontrado ET todavía. Es una tarea desalentadora, especialmente para un ser humano.
Afortunadamente, contamos con inteligencia no humana para unirnos a la búsqueda.
Relacionado: La IA ya está ayudando a los astrónomos a realizar descubrimientos increíbles. Así es cómo
El uso de la inteligencia artificial (IA) está alcanzando una masa crítica en nuestra vida cotidiana y en la ciencia, por lo que no sorprende que ahora se esté empleando en Búsqueda de inteligencia extraterrestre (SETI). No estamos hablando de Skynet, ni de las máquinas de las películas de Matrix, ni siquiera Star Trek: Los datos de la próxima generación. La IA que está tan de moda actualmente se basa en algoritmos de aprendizaje automático diseñados para realizar trabajos muy específicos, incluso si es solo para hablar contigo a través de ChatGPT.
Para explicar cómo la IA está ayudando en SETI, el astrónomo e investigador de SETI Eamonn Kerins de la Universidad de Manchester la compara con el problema de la aguja en un pajar.
«Básicamente, tratas los datos como si fueran paja», dijo Kerins a Space.com. «Luego le estás pidiendo al algoritmo de aprendizaje automático que te diga si hay algo en los datos que no sea heno, y eso, con suerte, es la aguja en el pajar, a menos que también haya otras cosas en el pajar».
El resto suele ser RFI, pero el algoritmo de aprendizaje automático está entrenado para reconocer todos los tipos de RFI que ya conocemos. Esas señales (los patrones familiares de los teléfonos móviles, los transmisores de radio locales, la electrónica, etc.) son el heno.
El entrenamiento implica «inyectar señales en los datos y luego el algoritmo aprende a buscar señales que sean así», explicó Steve Croft, astrónomo del Escucha innovadora El proyecto SETI de la Universidad de California, Berkeley, dijo a Space.com que el algoritmo aprende a detectar los patrones de estas señales familiares y a ignorarlos. Si detecta algo en los datos sobre lo que no ha sido entrenado, lo marca como algo interesante que requiere un seguimiento humano.
«Recientemente ha habido intentos de examinar algunos de los datos de Breakthrough Listen con un algoritmo de aprendizaje automático», dijo Kerins. «Los datos ya habían sido analizados con bastante cuidado anteriormente por medios más convencionales, pero aún así el algoritmo fue capaz de seleccionar nuevas señales después de haber sido entrenado en lo que conocemos».
Este proyecto fue dirigido por Croft y un estudiante universitario, Peter Ma, de la Universidad de Toronto, quienes escribieron el algoritmo y lo pusieron en funcionamiento analizando datos de 820 estrellas observadas por el radiotelescopio de 100 metros en Observatorio del Banco Verde en Virginia Occidental. Los datos, que suman un total de 489 horas de observaciones, contenían millones de señales de radio, casi todas ellas interferencias provocadas por el hombre. El algoritmo revisó cada uno de ellos y encontró ocho señales que no coincidía con nada en lo que había sido entrenado y que no se había detectado en análisis anteriores de los datos.
Estas ocho señales parecen provenir de cinco sistemas estelares diferentes, aunque pueden ser engañosas. No se han detectado desde entonces (ver una repetición de señal es el requisito más básico para que una señal se considere interesante en SETI) y probablemente resulten ser más RFI. Sin embargo, incluso eso es útil, porque se pueden utilizar para entrenar la próxima generación de IA de aprendizaje automático, de modo que se puedan evitar RFI similares en el futuro.
Los algoritmos de aprendizaje automático se pueden dividir en dos campos. Uno se conoce como aprendizaje supervisado, que es el enfoque de enseñar todo lo que sabes. El aprendizaje no supervisado es un poco diferente, ya que simplemente alimenta el algoritmo con los datos y le deja descubrir qué es significativo, sin ningún sesgo humano.
«Con un enfoque totalmente no supervisado, simplemente se arrojan todos los datos, se revuelve la olla y se deja que el algoritmo lo resuelva por sí solo», dijo Croft.
Como ejemplo mundano, suponga que tiene un conjunto de datos de imágenes de mesas y sillas y desea que el algoritmo distinga entre ellas. En el aprendizaje supervisado, el algoritmo se entrena con muchas imágenes marcadas como «mesa» o «silla». Con el aprendizaje no supervisado, el algoritmo tiene que distinguir entre los dos agrupando cosas que parecen similares sin ningún entrenamiento previo; por ejemplo, puede seleccionar cualquier cosa con respaldo para que sea una silla y cualquier cosa con una parte superior larga para que sea una mesa.
Kerins pone el ejemplo de un proyecto liderado por Adam Lesnikowski de NVIDIA, famosa por sus tarjetas gráficas pero que hoy son líderes en inteligencia artificial. Lesnikowski, junto con Valentin Bickel de ETH Zurich y Daniel Angerhausen de la Universidad de Berna, utilizó el aprendizaje automático no supervisado en una prueba para ver si podía detectar objetos artificiales en la luna. El algoritmo se alimentó con imágenes de la NASA. Orbitador de reconocimiento lunar, y tuvo que descubrir cuál era una característica lunar típica, como un cráter o una grieta, y cuál no. La prueba fue un éxito: el algoritmo seleccionó el Apolo 15 módulo de aterrizaje lunar en la superficie de la luna.
La idea es que es posible que extraterrestres tecnológicos ya hayan visitado nuestro sistema solary dejó sondas o artefactos en los planetas, lunas o asteroides. Es posible que incluso haya una sonda activa observándonos en este momento.
«Algunos de mis colegas están muy interesados en la idea de tener a bordo orbitadores con un algoritmo de aprendizaje automático», dijo Kerins. Una nave espacial podría estudiar las superficies planetarias de nuestro sistema solar para buscar anomalías que podrían ser sondas extraterrestres, posiblemente de millones o miles de millones de años. Debido a que el aprendizaje no supervisado tiene la ventaja de poder funcionar en tiempo real, podría evaluar cada imagen antes de continuar sin tener que esperar para enviar todos los datos a Tierra para que los humanos lo miren.
Sin duda, en la era del «Big Data», la IA con aprendizaje automático es el camino a seguir y ahora se utiliza ampliamente en astronomía y en SETI, con la capacidad de hacer las cosas más rápido y mejor que los humanos.
«Es ciertamente rápido», dijo Kerins. «Lo más cerca que podemos llegar de los humanos es a través de proyectos de ciencia ciudadana».
Con los algoritmos de aprendizaje automático, los humanos todavía están íntimamente involucrados. La IA puede señalar una señal como intrigante, pero aún así son los humanos quienes tienen que hacer un seguimiento e investigar. Los algoritmos no son tan inteligentes.
Sin embargo, pronto llegará el momento en que sean así de inteligentes. Investigadores de lugares como Google DeepMind han estado investigando la inteligencia artificial general o AGI. Mientras que los algoritmos que tenemos hoy son muy específicos, AGI podría echar mano de cualquier cosa y aprender y crecer mientras lo hace. Una AGI podría acelerar rápidamente más allá de la capacidad de la inteligencia humana.
Las posibilidades de que AGI transforme SETI son tentadoras. Ya hemos visto cómo los algoritmos de aprendizaje automático diseñados para jugar juegos como el ajedrez o el Go! están desarrollando estrategias que confunden a los expertos humanos a quienes la IA está derrotando en estos juegos. Un AGI seguramente podría pensar en nuevas formas de buscar vida extraterrestre más allá de los límites de los prejuicios y la experiencia humanos.
«Sería capaz de trazar todo tipo de posibilidades sobre cómo transmitir el lenguaje y la comunicación a través de señales», afirmó Kerins. «Podría consumir vastos catálogos astronómicos y decidir estrategias ópticas sobre cómo y dónde mirar».
Steve Croft se hace eco del optimismo de Kerins. «Espero que la IA evolucione hasta el punto en que podamos pedirle que se quite las anteojeras e imagine, a partir de todo lo que sabe sobre física, biología, química, exoplanetas y tecnología, lo que cree que podrían estar haciendo ET. ¡Probablemente se le ocurran algunas buenas ideas!»
Eso es si puede, o incluso quiere, decirnos algo. La creación de una AGI será, en cierto modo, como la creación de un extraterrestre, uno que es muy diferente a nosotros y que podríamos tener dificultades para comprender.
«Podría resultarnos muy difícil comunicarnos directamente con él», afirmó Kerins. «Podríamos tener alguna jerarquía de traductores, y en la cima de esa jerarquía hay una inteligencia que decidiría formas mucho más inteligentes de buscar en SETI. Si hace contacto, entonces, ¿cómo se filtra eso hasta las inteligencias biológicas, los tipos estúpidos? , ¿a nosotros?»
Podríamos obtener una versión de los susurros chinos, donde la información relevante se transmite a través de la jerarquía, volviéndose cada vez más simple hasta que recibamos la versión simplificada. El AGI puede incluso retener información que considere demasiado complicada de entender para nosotros. Si AGI logró realizar una detección SETI, es posible que no obtengamos una imagen completa.
Pero eso es especulación. En el aquí y ahora, la IA es una herramienta poderosa que está acelerando nuestras búsquedas de ET. Es seguro que si descubrimos una señal de otro mundo en el futuro, se lo agradeceremos a la IA.
Siga a Keith Cooper en Twitter @21stCenturySETI.
