Pesquisadores estão usando inteligência artificial e aprendizado de máquina para prever e encontrar assinaturas biológicas em ambientes extremos, aumentando as chances de encontrar vida em outros planetas.
Será que encontrar vida em outros mundos não seria mais fácil se soubéssemos exatamente onde procurar? Os pesquisadores têm oportunidades limitadas para coletar amostras em Marte ou em outros lugares, ou acessar instrumentos de sensoriamento remoto ao procurar vida além da Terra. Em um artigo publicado na Nature Astronomy, um estudo interdisciplinar liderado pela cientista sênior do SETI Institute, Kim Warren-Rhodes, mapeou a vida escassa escondida em domos de sal, rochas e cristais no Salar de Pajonales, na fronteira do Deserto do Atacama do Chile e Altiplano.
Warren-Rhodes trabalhou com os co-investigadores Michael Phillips (Johns Hopkins Applied Physics Lab) e Freddie Kalaitzis (Universidade de Oxford) para treinar um modelo de aprendizado de máquina para reconhecer os padrões e regras associados às suas distribuições, para que pudesse aprender a prever e encontrar essas mesmas distribuições em dados nos quais não foi treinado. Neste caso, combinando ecologia estatística com IA/ML, os cientistas puderam localizar e detectar biosassinaturas até 87,5% do tempo (contra ≤10% por busca aleatória) e diminuir a área necessária para busca em até 97%.
Por fim, algoritmos e modelos de aprendizado de máquina semelhantes para muitos tipos diferentes de ambientes habitáveis e biosassinaturas podem ser automatizados a bordo de robôs planetários para guiar eficientemente os planejadores de missão às áreas, em qualquer escala, com maior probabilidade de conter vida.
