Штучний інтелект і машинне навчання можуть зробити пошук життя на Марсі набагато менш складним. Міжнародна команда дослідників на чолі з астробіологом Кімберлі Уоррен-Родс з Інституту SETI показала, що ці інструменти можуть виявити приховані закономірності в географічних даних, які можуть вказувати на наявність ознак життя.
“Наш фреймворк дозволяє нам об’єднати силу статистичної екології з машинним навчанням, щоб виявити і передбачити закономірності і правила, за якими природа виживає і поширюється в найсуворіших ландшафтах на Землі”, – пояснює Уоррен-Родс.
“Ми сподіваємося, що інші астробіологічні команди адаптують наш підхід до картування інших придатних для життя середовищ і біосигнатур. За допомогою цих моделей ми зможемо розробити індивідуальні дорожні карти та алгоритми, які спрямовуватимуть марсоходи до місць з найвищою ймовірністю існування минулого або теперішнього життя – незалежно від того, наскільки воно приховане або рідкісне”.
На Землі є одне місце, яке має разючу схожість із посушливими рівнинами Марса. Це пустеля Атакама в Чилі, одне з найсухіших місць на планеті, де дощ не випадає протягом десятиліть. Навіть у цьому непривітному місці можна знайти життя, заховане в кишенях і під землею.
Уоррен-Родс та її колеги зосередилися на регіоні на кордоні між пустелею Атакама та плато Альтіплано під назвою Салар-де-Пахоналес. Цей басейн – давнє русло річки і один з найкращих земних аналогів марсіанського середовища. На висоті 3 541 метр (11 617 футів) він знаходиться на великій висоті і, відповідно, отримує сильне ультрафіолетове опромінення. Тут також низький вміст кисню, надзвичайно сухе і солоне середовище… але якимось чином тут можна знайти життя, яке живе в мінеральних утвореннях.
На площі 2,78 квадратних кілометрів (1,07 квадратних миль) дослідники ретельно зробили 7 765 знімків і 1 154 зразки, шукаючи біосигнатури, які видавали присутність фотосинтезуючих мікробів. Серед них були пігменти каротиноїди та хлорофіл, які забарвлюють породу в рожевий або зелений колір.
Вони також використовували дрони для аерофотозйомки, щоб імітувати зображення, отримані супутниками, які обертаються навколо Марса, і додали 3D-топографічні карти. Усю цю інформацію завантажили у згорткові нейронні мережі (CNN), щоб навчити штучний інтелект розпізнавати структури в басейні, які, найімовірніше, кишать життям.
І що цікаво, ШНМ змогли виявити закономірності в розподілі мікробного життя в басейні, незважаючи на майже однорідний мінеральний склад місцевості.
Куполи з м’якого мінералу гіпсу були заселені приблизно на 40%, а візерунчастий ґрунт зі стрічками гіпсу був заселений на 50%. Придивившись уважніше до того, які саме частини цих об’єктів були заселені, дослідники виявили мікросередовища. Мікроби були сильно притягнуті до ділянок алебастру, дрібнозернистої, пористої форми гіпсу, яка утримує воду.
Команда виявила, що ці алебастрові мікробіоценози були “майже повсюдно заселені” і являли собою найнадійніший предиктор біосигнатур, що свідчить про те, що вміст води є основним фактором, який впливає на розподіл мікробіоценозів.
Що особливо важливо для пошуку життя на Марсі, CNN дозволили дослідникам правильно ідентифікувати біосигнатури у 87,5% випадків, порівняно з 10% випадкових пошуків. Це дозволило зменшити площу, яку потрібно було обстежити, на 85-97 відсотків.
“Як для аерофотознімків, так і для наземних даних сантиметрового масштабу модель продемонструвала високу здатність передбачати наявність геологічних матеріалів, які з великою ймовірністю можуть містити біосигнатури”, – каже комп’ютерний науковець Фредді Калайціс з Оксфордського університету у Великобританії.
“Результати добре узгоджуються з наземними даними, а розподіл біосигнатур тісно пов’язаний з гідрологічними особливостями”.
Таким чином, цей підхід має багато переваг. Ця робота навчила нас дечому про життя в екстремальних умовах тут, на Землі, і є багатообіцяючою для виявлення життя на Марсі. І може допомогти виявити інші біосигнатури тут, на Землі.
Команда планує спробувати навчити своїх CNN інших біосигнатур, таких як строматоліти – скам’янілі мікробні килимки, яким можуть бути мільярди років, та спільноти галофілів – організмів, які процвітають у надсолоному середовищі.
“Наш фреймворк дозволяє нам поєднати силу статистичної екології з машинним навчанням, щоб виявити і передбачити закономірності та правила, за якими природа виживає і розподіляє себе в найсуворіших ландшафтах на Землі”, – каже Уоррен-Роудс.
“Ми сподіваємося, що інші астробіологічні команди адаптують наш підхід до картування інших придатних для життя середовищ і біосигнатур. За допомогою цих моделей ми зможемо розробити індивідуальні дорожні карти та алгоритми, які спрямовуватимуть марсоходи до місць з найвищою ймовірністю існування минулого або теперішнього життя – незалежно від того, наскільки воно приховане або рідкісне”.
