机器学习可以为寻找外星智能提供动力

由于机器学习的发展，SETI领域，即对外星智能的探索，正在加速达到新的高度。

在近日发表于《自然天文学（Nature Astronomy）》的一篇论文中，多伦多大学（University of Toronto）的Peter Ma领导的一个研究团队分享了一种机器学习方法，该方法用于挖掘Breakthrough Listen中的数据，以识别可能是潜在技术特征的信号，即表明存在智能外星文明的技术复杂性的迹象。

“作为人类，我认为这是一个非常重要的问题：还有其他人吗？”Ma这样告诉《The Verge》。

随着人类越来越善于观察宇宙并了解其历史，我们是否孤独的问题从未如此尖锐。如果地球之外有生命，我们怎么能找到它？为什么还没有联系我们？与外星文明建立联系需要什么？

Ma的研究集中在电磁频谱的一个特殊部分，即窄带无线电（narrow-band radio）。虽然宇宙中的各种物体发出的辐射频率范围很广，但无线电频率在发送信号方面特别有效。当我们作为人类使用无线电波进行通信时，我们使用窄带，因为这样更有效。

SETI的研究人员认为，如果外星文明存在，他们也会这样做。Ma解释道：“从技术角度来看，任何智能文明都有道理，它们也试图通过无线电等电磁辐射进行传输，但要在窄带进行传输。”

SETI研究人员感兴趣的是无线电波段的一个特定部分，大约在1420MHz范围内。这被称为氢线（hydrogen line），对天文学家来说很重要，因为它是中性氢发出辐射的频率，因此它是研究各种天文目标的关键。

研究人员认为，任何对恒星感兴趣的外星文明都可能会关注这一波段，使其成为所谓的“银河水洞（galactic watering hole）”。如果一个文明试图跨越宇宙进行交流，这是我们获得的最佳频率。

这种方法是前几年SETI研究的基础：经常使用一种称为turboSETI的算法来梳理数据以寻找该波段的信号。该算法通过频率搜索时间图，并寻找指示信号存在的直线。这是一种在大量数据中搜索的有效方法，但它也存在问题——尤其是过滤掉地球干扰导致的假阳性结果。

新方法与以往不同。研究人员没有搜索这些直线，而是输入原始观察结果，然后模拟他们感兴趣的信号类型，并训练他们的算法来识别这些信号。这允许一种更灵活的信号识别方法，即使信号没有传统算法所标记的简单线条形状，也可以在窄带中捕捉到断断续续的异常。这是一种更通用的方法，可获得许多地球工程师无法预测的信号类型。

这也使该方法更快、更有效。“人们最初所做的是，他们采用了经典算法，并在管道的某处添加了机器学习方法，”Ma说。现在，随着机器学习领域的发展，整个流水线可以基于机器学习。

这很重要，因为SETI本质上是一场数字游戏：挑战是从足够多的望远镜中获取足够的数据，以增加探测的机会。梳理所有这些数据，在宇宙大海捞针，需要越来越高效的方法。

SETI这一更广泛的领域是一项不同寻常的事业，因为研究人员可以将他们的整个职业生涯用于寻找可能存在或可能不存在的东西。像强大的望远镜阵列和机器学习技术这样的新工具可以帮助搜索更加准确和精确。但即使生命确实存在于我们的星球之外，我们也可能永远没有机会发现它。

另一方面，人类很有可能在明天探测到一个有趣的信号，甚至在几十年来天空所收集的大量数据中已经存在外星文明的证据。

这种满足好奇心的前景使SETI研究人员继续进行长期的研究。“谁知道呢。这一切都是未知。也许现在地下室的硬盘上已经有着一个可能突破性的信号了？Ma马说，“这一切总要有人关注着，对吧？”

审核编辑 ：李倩

机器学习频谱智能联系我们

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。