一项跨学科的研究表明，结合统计生态学和人工智能/机器学习，科学家可以在地球上最严酷的环境中发现和预测生命迹象的分布规律。这种方法有望应用于火星等星球的生命探测任务，提高探测效率。
如果我们知道在哪里寻找，那么在其他星球上寻找生命岂不是容易得多吗？研究人员在寻找地球以外的生命时，只能在火星等星球上收集有限的样本或使用遥感仪器。在《自然天文学》杂志上发表的一篇论文中，SETI研究所高级研究科学家Kim Warren-Rhodes带领的一项跨学科研究，研究了智利阿塔卡马沙漠和高原交界处的Salar de Pajonales盐穹、岩石和晶体中隐藏的稀疏生命。Warren-Rhodes与合作者Michael Phillips（约翰霍普金斯应用物理实验室）和Freddie Kalaitzis（牛津大学）合作，训练了一个机器学习模型来识别与这些分布相关的模式和规律，以便学会在未经训练的数据中预测和找到相同的分布。在这种情况下，通过结合统计生态学与AI/ML，科学家们可以在87.5%的时间内找到和检测生物标志物（随机搜索的检测率≤10%），并将搜索所需的面积减少97%。
Rhodes表示：
