AI ในการค้นหาสิ่งมีชีวิตนอกโลก: วิธีการและข้อจำกัด

ปัจจุบันการเรียนรู้ของเครื่องถูกใช้ในงานวิจัย SETI ดาวเคราะห์นอกระบบ และไบโอซิกเนเจอร์ เพื่อกรองสัญญาณรบกวนทางวิทยุ กลั่นกรองดาวเคราะห์ต้องสงสัย และประเมินคุณสมบัติของบรรยากาศ แต่ระบบเหล่านี้ยังไม่สามารถยืนยันได้ว่ามีสิ่งมีชีวิตอยู่นอกโลก DataRoot Labs เผยแพร่บทสรุปที่ติดตามงานนี้ผ่านสามสาขาดังกล่าว โดยอ้างอิงงานวิจัยที่ตีพิมพ์และเอกสารโครงการที่ตรวจสอบในเดือนตุลาคม 2026 บริษัทระบุว่ายังไม่ได้ทำการทดลองซ้ำ ในงาน SETI ทางวิทยุ กลุ่ม SETI ของ UCLA ใช้โครงข่ายประสาทเทียมแบบคอนโวลูชันเพื่อประเมินว่าสัญญาณมีความสอดคล้องกันตลอดการชี้กล้องหรือไม่ การศึกษาใน Nature Astronomy ปี 2023 โดย Peter Ma และผู้ร่วมงานได้ผสาน variational autoencoder เข้ากับตัวจำแนกแบบ random forest และระบุสัญญาณที่น่าสนใจแปดสัญญาณจากดาว 820 ดวงที่สังเกตโดยกล้องโทรทรรศน์ Green Bank ของ Breakthrough Listen โดยยังไม่มีสัญญาณใดในแปดสัญญาณนี้ถูกตรวจพบซ้ำในการสังเกตติดตามผล บทสรุปยังอธิบายข้อจำกัดในทางปฏิบัติ ตัวอย่างชุดข้อมูลหนึ่งมีขนาดประมาณ 264 GB และเผยแพร่ภายใต้สัญญาณอนุญาต CC BY-NC 4.0 ซึ่งจำกัดการนำไปใช้เชิงพาณิชย์ และตัวอย่างบทเรียนแรกต้องใช้สภาพแวดล้อม Python ที่มี setigen และไลบรารีสำหรับการพล็อต แต่ไม่ต้องดาวน์โหลดข้อมูลจากกล้องโทรทรรศน์ DataRoot Labs ระบุว่าได้ตรวจสอบเอกสารแล้วแต่ไม่ได้รันตัวอย่างนั้น

สร้างจากรายงาน · อัปเดต 1 ชม. ที่แล้ว

ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม