هل يكتشف الذكاء الاصطناعي إشارات تقنيات خارج كوكب الأرض؟

لتصفية الضوضاء غير المرغوب فيها وتحديد الإشارات المثيرة للاهتمام ، استخدم الباحثون خوارزمية التعلم الآلي تسمى الشبكة العصبية التلافيفية (CNN). CNNs هي نوع من الشبكات العصبية الاصطناعية التي يمكنها التعرف على الأنماط في البيانات ، مثل الصور أو الموجات الصوتية. تلعب خوارزميات التعلم الآلي دورًا متزايد الأهمية في البحث عن حياة خارج كوكب الأرض. في الآونة الأخيرة ، طور الباحثون خوارزمية جديدة للتعلم الآلي سمحت لهم بالتعرف بأثر رجعي على إشارات الاهتمام التي لم يتم اكتشافها سابقًا. البحث ، الذي نُشر في مجلة الفيزياء الفلكية ، قاده باحثون من جامعة مانشستر ومبادرة Step forward Hear ، المخصصة للبحث عن حياة ذكية خارج الأرض. استخدم الباحثون بيانات من تلسكوب جرين بانك في وست فرجينيا وتلسكوب باركس في أستراليا ، وهما من أكبر التلسكوبات الراديوية في العالم. التلسكوبات الراديوية هي أدوات قوية يمكنها اكتشاف موجات الراديو المنبعثة من الأجسام الموجودة في الفضاء. يمكن أن توفر هذه الموجات معلومات قيمة حول خصائص وسلوك الأجرام السماوية ، بما في ذلك العلامات المحتملة للحياة. ومع ذلك ، غالبًا ما تتلوث الإشارات اللاسلكية من الفضاء بالتداخل من مصادر مختلفة ، مثل الظواهر الطبيعية ، والتقنيات التي من صنع الإنسان ، وحتى عمليات الإرسال اللاسلكي من الأرض. لتصفية الضوضاء غير المرغوب فيها وتحديد الإشارات المثيرة للاهتمام ، استخدم الباحثون خوارزمية التعلم الآلي تسمى الشبكة العصبية التلافيفية (CNN). شبكات CNN هي نوع من الشبكات العصبية الاصطناعية التي يمكنها التعرف على الأنماط في البيانات ، مثل الصور أو الموجات الصوتية. قام الباحثون بتدريب سي إن إن على مجموعة بيانات من 590 ساعة من الملاحظات الراديوية من التلسكوبين. استخدموا مجموعة فرعية من هذه البيانات لتدريب الخوارزمية على تحديد الإشارات ذات الأهمية ، مثل إشارات النطاق الضيق النموذجية للبث الاصطناعي. ثم قاموا باختبار شبكة CNN على البيانات المتبقية لمعرفة مدى قدرتها على اكتشاف الإشارات الجديدة التي لم تكن جزءًا من مجموعة التدريب. كانت النتائج واعدة. تمكنت CNN من اكتشاف بعض الإشارات غير المكتشفة سابقًا والتي لم يتم رؤيتها في البيانات الأصلية. كانت لهذه الإشارات خصائص تشير إلى أنها قد تكون ذات أصل اصطناعي ، على الرغم من الحاجة إلى مزيد من التحليل لتأكيد ذلك. لاحظ الباحثون أن نهجهم يمكن أن يساعد في تسريع البحث عن حياة خارج كوكب الأرض من خلال تمكين اكتشاف أسرع وأكثر دقة للإشارات المثيرة للاهتمام. وأشاروا أيضًا إلى أنه يمكن تطبيق طريقتهم على أنواع أخرى من البيانات بخلاف موجات الراديو ، مثل الصور أو الأطياف. يعد البحث عن حياة خارج كوكب الأرض أحد أكثر المساعي العلمية الرائعة والأكثر أهمية في عصرنا. بينما لا يزال يتعين علينا العثور على دليل قاطع على وجود حياة خارج الأرض ، فإن اكتشاف الحياة خارج كوكب الأرض ، حتى من أبسط أشكالها ، سيكون له آثار عميقة على فهمنا للكون ومكاننا فيه. التعلم الآلي هو مجرد واحدة من العديد من الأدوات التي يستخدمها الباحثون في هذه الرحلة. تشمل التقنيات الأخرى عمليات البحث المستهدفة لأنواع معينة من الإشارات ، مثل تلك التي تنبعث من الحضارات المتقدمة ، والمسوحات المكثفة لمناطق واسعة من السماء لاكتشاف الأنماط غير العادية. على الرغم من التحديات والشكوك التي ينطوي عليها البحث عن حياة خارج كوكب الأرض ، فإن المكافآت المحتملة هائلة. لن يؤدي اكتشاف الحياة خارج كوكب الأرض إلى توسيع معرفتنا بالكون فحسب ، بل يمكن أن يلهم أيضًا التقنيات والابتكارات التي يمكن أن تفيد البشرية بطرق لا حصر لها. وفقًا للباحثين ، يساعد استخدام خوارزميات التعلم الآلي في الكشف عن إشارات مثيرة للاهتمام لم يتم اكتشافها من قبل في البحث عن حياة خارج كوكب الأرض. بينما لا يزال هناك الكثير من العمل الذي يتعين القيام به ، فإن هذا النهج قد يسرع من تقدمنا ​​في هذا المجال المثير ويقربنا خطوة واحدة من الإجابة على السؤال القديم: هل نحن وحدنا في الكون؟ لمزيد من المعلومات حول هذا الموضوع على موقع Hidaan: ينجح باحثون إسرائيليون في توقع العواصف الشمسية قبل أيام بفضل الذكاء الاصطناعي. سيساعدك التعلم الآلي على اكتشاف الأدوية