機器學習可以為尋找外星智能提供動力

由于機器學習的發展，SETI領域，即對外星智能的探索，正在加速達到新的高度。

在近日發表于《自然天文學（Nature Astronomy）》的一篇論文中，多倫多大學（University of Toronto）的Peter Ma領導的一個研究團隊分享了一種機器學習方法，該方法用于挖掘Breakthrough Listen中的數據，以識別可能是潛在技術特征的信號，即表明存在智能外星文明的技術復雜性的跡象。

“作為人類，我認為這是一個非常重要的問題：還有其他人嗎？”Ma這樣告訴《The Verge》。

隨著人類越來越善于觀察宇宙并了解其歷史，我們是否孤獨的問題從未如此尖銳。如果地球之外有生命，我們怎么能找到它？為什么還沒有聯系我們？與外星文明建立聯系需要什么？

Ma的研究集中在電磁頻譜的一個特殊部分，即窄帶無線電（narrow-band radio）。雖然宇宙中的各種物體發出的輻射頻率范圍很廣，但無線電頻率在發送信號方面特別有效。當我們作為人類使用無線電波進行通信時，我們使用窄帶，因為這樣更有效。

SETI的研究人員認為，如果外星文明存在，他們也會這樣做。Ma解釋道：“從技術角度來看，任何智能文明都有道理，它們也試圖通過無線電等電磁輻射進行傳輸，但要在窄帶進行傳輸?！?/p>

SETI研究人員感興趣的是無線電波段的一個特定部分，大約在1420MHz范圍內。這被稱為氫線（hydrogen line），對天文學家來說很重要，因為它是中性氫發出輻射的頻率，因此它是研究各種天文目標的關鍵。

研究人員認為，任何對恒星感興趣的外星文明都可能會關注這一波段，使其成為所謂的“銀河水洞（galactic watering hole）”。如果一個文明試圖跨越宇宙進行交流，這是我們獲得的最佳頻率。

這種方法是前幾年SETI研究的基礎：經常使用一種稱為turboSETI的算法來梳理數據以尋找該波段的信號。該算法通過頻率搜索時間圖，并尋找指示信號存在的直線。這是一種在大量數據中搜索的有效方法，但它也存在問題——尤其是過濾掉地球干擾導致的假陽性結果。

新方法與以往不同。研究人員沒有搜索這些直線，而是輸入原始觀察結果，然后模擬他們感興趣的信號類型，并訓練他們的算法來識別這些信號。這允許一種更靈活的信號識別方法，即使信號沒有傳統算法所標記的簡單線條形狀，也可以在窄帶中捕捉到斷斷續續的異常。這是一種更通用的方法，可獲得許多地球工程師無法預測的信號類型。

這也使該方法更快、更有效?！叭藗冏畛跛龅氖?，他們采用了經典算法，并在管道的某處添加了機器學習方法，”Ma說?，F在，隨著機器學習領域的發展，整個流水線可以基于機器學習。

這很重要，因為SETI本質上是一場數字游戲：挑戰是從足夠多的望遠鏡中獲取足夠的數據，以增加探測的機會。梳理所有這些數據，在宇宙大海撈針，需要越來越高效的方法。

SETI這一更廣泛的領域是一項不同尋常的事業，因為研究人員可以將他們的整個職業生涯用于尋找可能存在或可能不存在的東西。像強大的望遠鏡陣列和機器學習技術這樣的新工具可以幫助搜索更加準確和精確。但即使生命確實存在于我們的星球之外，我們也可能永遠沒有機會發現它。

另一方面，人類很有可能在明天探測到一個有趣的信號，甚至在幾十年來天空所收集的大量數據中已經存在外星文明的證據。

這種滿足好奇心的前景使SETI研究人員繼續進行長期的研究?！罢l知道呢。這一切都是未知。也許現在地下室的硬盤上已經有著一個可能突破性的信號了？Ma馬說，“這一切總要有人關注著，對吧？”

審核編輯 ：李倩