打开网易新闻 查看更多图片

周一 · 知古通今|周二 · 牧夫专栏

周三 · 风月同天|周四 · 观测指南

周五 · 深空探测|周六 · 茶余星话|周日 · 太空探索

作者：Rebecca McDonald

翻译：盛衍钧

校对：曹雷、何永强

编排：王招君

后台：李子琦

https://www.seti.org/press-release/can-artificial-intelligence-help-find-life-mars-or-icy-worlds?utm_content=bufferb6879&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer

如果我们知道应该在哪里寻找生命，那么在其他星球上发现生命不是会变得更容易吗？当研究人员寻找地球以外的生命时，在火星或其他地方收集样本，或者使用遥感仪器的机会往往是有限的。在《自然-天文学》上发表的一篇论文中，由SETI研究所高级研究科学家Kim Warren-Rhodes领导的一项跨学科研究，绘制了位于智利阿塔卡马沙漠和阿尔蒂普拉诺边界处的帕霍纳莱斯中的盐丘、岩石和晶体中隐藏的稀疏生命。Warren-Rhodes随后与共同研究者Michael Phillips（约翰霍普金斯应用物理实验室）和Freddie Kalaitzis（牛津大学）合作，训练一个机器学习模型来识别与它们的分布相关的模式和规则，以便它能够学会预测并在不属于训练集的数据中找到这些相同的分布。在这种情况下，通过将统计生态学与人工智能/机器学习相结合，科学家们可以定位和检测出高达87.5％的生物特征（而传统随机搜索则不超过10%），并将搜索所需的面积减少高达97%。

基于CNN（卷积神经网络）模型和统计生态学数据的生命迹象概率图。a中的颜色表示探测到生命特征的概率（红色表示高概率，黄色表示中概率，蓝色表示低概率）。在b中，显示了一种石膏穹顶地质特征（左侧），其中包含了各种微观环境（例如沙子与雪花石膏）的生命迹象概率地图。

图片来源：M. Phillips、F. Kalaitzis、K. Warren-Rhodes。

"我们的框架使我们能够将统计生态学的力量与机器学习结合起来，以发现和预测自然界在地球上最严酷的地貌中生存和分布的模式和规则。" Rhodes说，"我们希望其他天体生物学团队采用我们的方法来绘制其他的宜居环境和生物特征图。有了这些模型，我们可以设计出量身定做的路线图和算法，以引导行星上的探测器到那些过去或现在最有可能蕴藏生命的地方--无论它们是多么的隐蔽或罕见。"

打开网易新闻 查看更多视频 人工智能可以寻找地外生命吗？

视频展示了从轨道到地面整合数据集的主要概念。第一帧从全球视角放大到帕霍纳莱斯盐湖的轨道图像。然后，在该盐湖上叠加了从ASTER多光谱数据得出的其成分变化的描述。接下来的一序列的画面过渡到帕霍纳莱斯盐湖中的现场无人机图像。请注意在场景中逐渐可识别出科学家们感兴趣的生物学特征，包括了多边形脊网、单个石膏穹顶和多边形花纹地表，以及单个的硒石叶片。视频的最后以第一人称视角呈现了科学家们是如何使用机器学习技术来研究文章中一组石膏穹顶。

视频来源：M. Phillips

最终，针对许多不同类型的宜居环境和生物特征的类似算法和机器学习模型可以在行星机器人上实现自动化，以有效地指导任务规划者前往任何规模的具有最高生命可能性的地区。

Rhodes和SETI研究所NASA天体生物学研究所（NAI）团队使用帕霍纳莱斯盐湖作为火星的模拟。帕霍纳莱斯是一个高海拔（3,541米）、紫外线辐射很高、超干旱、干燥的盐湖床，尽管它被认为不适宜许多生命形式存在，但仍然是可能存在生命的。

在NAI项目的实地考察中，该团队收集了超过7765张图片和1154个样本，并测试了检测生活在盐穹、岩石和雪花石晶体中的光合微生物的仪器。这些微生物会散发出色素，代表了NASA “寻找外星生命”上的一个可能的生物特征。

在帕霍纳莱斯，无人机图像将模拟轨道（HiRISE）数据与地面采样和三维地形图相连接，以提取样本的空间结构。该研究的结果证实（统计学上），帕霍纳莱斯陆地模拟地点的微生物生命不是随机分布的，而是集中在成片的生物热点中，并且在公里到厘米的尺度上与水的可获得性密切相关。

接下来，该团队训练卷积神经网络（CNN）来识别和预测帕霍纳莱斯的宏观尺度地质特征——其中的一些特征，如图案化的地面或多边形网络，也在火星上被发现——以及最有可能包含生物特征的微观基底（或 "微生境"）。

与火星上的“毅力号”火星探测团队一样，研究人员测试了如何将无人机/无人驾驶飞机与地面漫游车、钻头和仪器有效整合。

该团队在帕霍纳莱斯的下一个研究目标是用同样的机器学习程序测试卷积神经网络预测古代叠层岩化石和卤菌微生物分布位置的能力，以了解类似的规则和模型是否适用于其他类似但略有不同的自然系统。从那里，全新的生态系统，如温泉、永久冻土和干谷的岩石，将被探索和绘制。随着更多证据的积累，关于生命在极端环境中的生存手段趋同的假设将被反复测试，并且科学家们将绘制地球模拟生态系统和生物群系的生物标志概率蓝图。

打开网易新闻 查看更多图片

对位于帕霍纳莱斯的生物特征从轨道到地面的研究。（b）无人机俯视该区域，宏观地质特征（穹顶、风化层、山脊网络和花纹地面）为假彩色。(c) 根据无人机图像对穹顶宏观栖息地进行三维渲染。(d) 生活在硫酸钙微生境中的光合作用微生物群落的橙色和绿色色素带。这些生物标志是NASA“寻找外星生命”的重要特征，并可通过肉眼或拉曼(e)和可见短波红外光谱等仪器检测到。

图片来源：N. Cabrol, M. Phillips, K. Warren-Rhodes, J. Bishop和D. Wettergreen。

SETI研究所NAI团队的负责人Nathalie A. Cabrol说："虽然生物特征检测的高速率是这项研究的核心成果，但同样重要的是，它成功地整合了从轨道到地面的不同分辨率的数据集，并最终将区域轨道数据与微生物栖息地联系起来。"通过它，我们的团队展示了一种途径，能够从描述可居住性所需的规模和分辨率过渡到能够帮助我们找到生命的规模和分辨率。在这一策略中，无人机是必不可少的，但实施微生物生态学实地调查也是如此，它需要在小范围内进行长时间（长达数周）的原地（就地）测绘，这一策略对于描述有利于生命存在环境模式方面至关重要。"

由SETI研究所NAI团队领导的这项研究为机器学习协助科学家在宇宙中寻找生物特征奠定了基础。他们的论文 "从轨道到地面的框架来解码和预测类地模拟中的生物特征图案 "是美国宇航局资助的NAI项目五年来的成果，也是来自17个机构的50多名团队成员合作进行天体生物学研究工作的结晶。除了约翰霍普金斯应用物理实验室和牛津大学之外，智利安托法加斯塔北部天主教大学也支持了这项研究。

责任编辑：杨欣冉

牧夫新媒体编辑部

『天文湿刻』 牧夫出品

微信公众号：astronomycn

猎户座和奔跑人星云

来源：NASA