L'intelligence artificielle peut-elle aider à trouver la vie sur Mars ou sur des mondes glacés?

Ne serait-il pas plus facile de trouver la vie sur d'autres mondes si nous savions exactement où chercher? Les chercheurs ont des possibilités limitées pour collecter des échantillons sur Mars ou ailleurs, ou accéder à des instruments de télédétection lorsqu'ils recherchent la vie au-delà de la Terre. Dans un article publié dans Nature Astronomy, une étude interdisciplinaire dirigée par la chercheuse principale de l'Institut SETI, Kim Warren-Rhodes, a cartographié la vie rare dissimulée dans des dômes de sel, des roches et des cristaux au Salar de Pajonales, à la frontière du désert d'Atacama chilien et de l'Altiplano. Warren-Rhodes a ensuite travaillé avec les co-investigateurs Michael Phillips (Johns Hopkins Applied Physics Lab) et Freddie Kalaitzis (Université d'Oxford) pour former un modèle d'apprentissage automatique à reconnaître les motifs et les règles associés à leurs distributions afin qu'il puisse apprendre à prédire et trouver ces mêmes distributions dans des données sur lesquelles il n'a pas été formé. Dans ce cas, en combinant l'écologie statistique avec l'IA/ML, les scientifiques ont pu localiser et détecter des biosignatures jusqu'à 87,5% du temps (contre ≤10% par recherche aléatoire) et réduire la zone nécessaire pour la recherche jusqu'à 97%. « Notre cadre nous permet de combiner la puissance de l'écologie statistique avec l'apprentissage automatique pour découvrir et prédire les motifs et les règles selon lesquelles la nature survit et se distribue dans les paysages les plus rudes de la Terre. », a déclaré Rhodes. « Nous espérons que d'autres équipes d'astrobiologie adapteront notre approche pour cartographier d'autres environnements habitables et des biosignatures. Avec ces modèles, nous pouvons concevoir des feuilles de route et des algorithmes sur mesure pour guider les rovers vers les endroits avec la plus grande probabilité d'abriter la vie passée ou présente, aussi cachée ou rare soit-elle. » En fin de compte, des algorithmes similaires et des modèles d'apprentissage automatique pour de nombreux types d'environnements habitables et de biosignatures pourraient être automatisés à bord de robots planétaires pour guider efficacement les planificateurs de mission vers des zones à n'importe quelle échelle avec la plus grande probabilité de contenir la vie. Rhodes et l'équipe de l'Institut SETI NASA Astrobiology Institute (NAI) ont utilisé le Salar de Pajonales comme analogue de Mars. Pajonales est un lac salé hyperaride, à haute altitude (3 541 m), à forte teneur en U/V, considéré comme inhospitalier pour de nombreuses formes de vie mais toujours habitable. Lors des campagnes sur le terrain du projet NAI, l'équipe a collecté.