Un nuovo studio pubblicato su Nature Astronomy, condotto dallo studente universitario Peter Xiangyuan Ma in collaborazione con un team di ricercatori del progetto Breakthrough Listen del SETI, ha dimostrato come l’utilizzo dell’intelligenza artificiale (AI) abbia portato alla scoperta di nuovi segnali provenienti da una fonte celeste precedentemente studiata.
Grazie alle nuove tecniche di AI applicate sui segnali radio, sono state individuate informazioni inedite che prima non erano state rilevate. In particolare, sono stati rilevati segnali a banda stretta, con un’ampiezza spettrale limitata di pochi Hz, il che è insolito poiché i segnali di fenomeni naturali tendono ad avere una banda larga. Inoltre, i tassi di deriva diversi da zero indicavano che i segnali provenivano da una fonte che aveva accelerato rispetto al punto fisso di osservazione, il che potrebbe indicare una provenienza non locale rispetto all’osservatorio di onde radio. L’utilizzo dell’apprendimento automatico, un sottoinsieme dell’intelligenza artificiale, sta diventando sempre più comune per aiutare gli astronomi a esaminare grandi quantità di dati raccolti dalle loro ricerche, compresa la ricerca SETI.
L’apprendimento automatico rivoluziona la ricerca di vita extraterrestre
Il SETI, l’istituto per la ricerca di intelligenza extraterrestre, è alla ricerca di segnali di radiazioni elettromagnetiche artificiali inviati da civiltà extraterrestri altamente tecnologiche. Tuttavia, l’interferenza radio umana spesso si verifica durante le osservazioni a causa della vicinanza della sorgente, il che rende difficile identificare eventuali segnali di vita aliena. Nonostante non siano stati trovati nuovi segnali durante uno studio recente, l’analisi dei set di dati precedenti utilizzando nuove tecniche di AI potrebbe aiutare i ricercatori a riesaminare rapidamente gli obiettivi e a comprendere meglio i dati raccolti. Secondo gli esperti, i dati raccolti nel 1960 dal Progetto Ozma di Frank Drake presso l’Osservatorio di Greenbank sono di grandi dimensioni e richiedono nuovi strumenti computazionali per un’analisi più veloce al fine di individuare eventuali anomalie che potrebbero essere prove di vita extraterrestre.
L’impiego dell’apprendimento automatico, una branca dell’intelligenza artificiale, sta diventando sempre più comune per assistere gli astronomi nella gestione di grandi quantità di dati raccolti dalle loro ricerche. In particolare, l’utilizzo di questa tecnologia potrebbe essere molto promettente per la ricerca di vita extraterrestre. Secondo l’astronomo Franck Marchis del SETI Institute di Mountain View, in California, l’utilizzo dell’apprendimento automatico apre una nuova era nella ricerca SETI e sta già influenzando molte altre aree scientifiche.
Il progetto Breakthrough Listen
La tecnologia di apprendimento automatico sta aprendo una nuova era nella ricerca SETI e potrebbe presto portare a scoperte incredibili. La ricerca di vita extraterrestre è diventata più ambiziosa anche grazie al miliardario Yuri Milner, che ha finanziato il progetto Breakthrough Listen nel 2015. Questo programma SETI è il più grande mai realizzato e sta utilizzando telescopi in tutto il mondo per cercare segnali di vita all’interno di un milione di stelle. I ricercatori dell’Università di Toronto ha utilizzato l’apprendimento automatico per analizzare i dati di Breakthrough Listen, individuando 8 candidati promettenti. Nonostante questi risultati infruttuosi, i metodi di ricerca utilizzati potrebbero essere applicati in futuro, come ad esempio sull’array MeerKAT di 64 radiotelescopi in Sud Africa, utilizzato dal progetto Breakthrough Listen. Inoltre, gli algoritmi potrebbero essere utilizzati per analizzare i dati SETI archiviati alla ricerca di segnali che potrebbero essere stati trascurati in passato.
Ad ogni modo, la raccolta di grandi quantità di dati è solo una parte della sfida: distinguere i segnali alieni da quelli terrestri è la vera difficoltà. Fortunatamente, l’apprendimento automatico è stato introdotto come una soluzione efficace per analizzare velocemente queste informazioni e filtrare rapidamente i dati raccolti. Con l’AI, gli astronomi possono esaminare miliardi di osservazioni in modo più efficiente e scoprire segnali che potrebbero essere facilmente sfuggiti ad algoritmi meno sofisticati. Grazie agli algoritmi di apprendimento automatico, i ricercatori possono analizzare grandi quantità di dati raccolti dai telescopi in tutto il mondo e distinguere i segnali alieni dalla normale interferenza terrestre. Ma non solo: questi algoritmi possono individuare anche segnali non convenzionali che potrebbero essere stati trascurati in passato.
Il software di apprendimento automatico ha individuato quasi tre milioni di segnali, ma la maggior parte di essi è stata scartata come interferenza terrestre. Successivamente, Ma ha esaminato manualmente più di 20.000 segnali, identificando 8 candidati che potrebbero essere di origine extraterrestre. Nonostante i risultati infruttuosi, i metodi di ricerca utilizzati dal team potrebbero essere applicati a futuri dati SETI. Ad esempio, i ricercatori potrebbero utilizzare algoritmi di apprendimento automatico per analizzare le osservazioni raccolte dall’array MeerKAT di 64 radiotelescopi in Sud Africa, che il progetto Breakthrough Listen ha iniziato a utilizzare a dicembre. La ricerca si propone di far sì che questi algoritmi possano essere applicati anche ai dati SETI archiviati per cercare segnali che potrebbero essere stati trascurati in precedenza.
