دانشمند ایرانی ناسا در جستجوی حیات بیگانه با هوش مصنوعی

به اعتقاد حامد ولی‌زادگان، دانشمند فعال در زمینه یادگیری ماشین در ناسا، بهره‌گیری از هوش مصنوعی می‌تواند سرعت پیدا کردن حیات بیگانه در میان میلیاردها سیاره را افزایش دهد؛ او الگوریتمی با نام اکسوماینر را برای بررسی تصاویر عروق خونی در شبکیه چشم فضانوردان آموزش داده که درک تغییرات بینایی در ریزگرانش‌ را بهبود بخشیده است.

اکسوماینر (ExoMiner) یک طبقه‌بندی بسیار دقیق است که توسط شبکه‌های عصبی برای بررسی داده‌های اکتشاف سیاره‌های دیگر توسط ولی‌زادگان و همکارانش اصلاح شده است. این فناوری توانسته است تعداد جدیدی از سیاره‌های فراخورشیدی را شناسایی کند و دانشمندان به نتایج آن اعتماد کرده‌اند.

شبکه‌های عصبی مصنوعی به طور مشخص از عملکرد مغز انسان الهام می‌گیرند تا نحوه تجزیه و تحلیل و پردازش اطلاعات را شبیه‌سازی کنند؛ در این سامانه‌ها، هر نورون مصنوعی سیگنال‌های دریافتی از نورون‌های متصل را پردازش کرده و سپس به نورون‌های دیگر ارسال می‌کند؛ این پردازش به قدری پیچیده است که قابلیت فهم نحوه رسیدن به نتایج نهایی را دشوار می‌سازد.

بهره‌گیری از هوش مصنوعی در یافتن سریع‌تر سیاره‌های فراخورشیدی

تلسکوپ فضایی کپلر (Kepler space telescope) در دهه ۲۰۱۰ به جستجوی سیاره‌های فراخورشیدی پرداخت و پس از آن، تلسکوپ فضایی تس (TESS) در سال ۲۰۱۸ به عنوان جانشین آن به فضا پرتاب شد تا بخش وسیع‌تری از آسمان را رصد کند و روی حدود دویست هزار ستاره نزدیک‌تر به زمین تمرکز نماید.

در سال ۲۰۱۴ ولی‌زادگان از اخترشناسی به نام جان جنکینز (Jon Jenkins) دعوت کرد تا به جستجوی سیاره‌ای مشابه با زمین در کهکشان راه شیری بپردازند. در سال ۲۰۱۸ ولی‌زادگان و تیمش یک برنامه یادگیری ماشین به نام اکسوماینر را با هدف سرعت بخشیدن برای یافتن سیاره‌های فراخورشیدی ساختند.

آن‌ها این نرم‌افزار را بر روی‌ داده‌های سیاره‌های تایید شده و همچنین موارد مثبت کاذب، مثل ستاره‌های دوتایی که ممکن است با سیاره‌های در حال عبور اشتباه گرفته شوند، توسعه دادند و بر روی آرشیو مشاهدات تلسکوپ کپلر آزمایش کردند.

ولی‌زادگان می‌گوید: «نمی‌دانستم قرار است به چه نتیجه‌ای برسیم، اما این مدل سریعا ۳۷۰ سیاره فراخورشیدی ناشناخته را شناسایی کرد. اگرچه در ابتدا با مقاومت زیادی از سوی دانشمندان روبرو بودیم که معتقد بودند نباید به این سیاره‌های فراخورشیدی برچسب زد، اما با گذشت زمان، آن‌ها اعتماد بیشتری به این رویکرد پیدا کردند.» هیچ‌ یک از این ۳۷۰ سیاره جدید مثل زمین یا دیگر سیاره‌های منظومه شمسی نیستند.

سیاره جدیدی به نام Kepler-495 c کشف شده است که تقریبا دو برابر اندازه زمین است و هر شش روز یک بار به دور ستاره‌اش می‌چرخد؛ همچنین، سیاره Kepler-27 d در اندازه‌ای معادل نپتون و تقریبا هشت برابر بزرگ‌تر از زمین است و یک سال را در شش و نیم روز به پایان می‌رساند؛ این سیاره‌ها که توسط گرما و تشعشعات ستارگانشان سرخ‌شده‌اند و احتمالا غیرقابل‌ سکونت هستند.

نحوه عملکرد هوش مصنوعی برای حل مشکل شناسایی سیاره‌های فراخورشیدی

تلاش‌های ولی‌زادگان تنها یک نمونه خیره‌کننده از این است که چگونه هوش مصنوعی نمای دقیق‌تری از کیهان به بشر خواهد داد؛ به عنوان نمونه، اولین تصویر از یک سیاهچاله توسط تلسکوپ افق رویداد منتشر شد که ناشی از ارتباط داده‌های تلسکوپ‌های رادیویی در نقاط مختلف جهان بود که تصویری مبهم و تار بود. با این حال، تلاش‌های محققانی مانند حامد ولی‌زادگان نشان می‌دهد که هوش مصنوعی می‌تواند به بهبود کیفیت این تصاویر کمک کند و نمایش دقیق‌تری از جهان را فراهم سازد.

در همین راستا، الگوریتمی به نام پریمو (PRIMO) توسط لیا مدیروس (Lia Medeiros)، اخترفیزیکدان محاسباتی و تیمش توسعه یافته که در داده‌های رادیویی الگوهایی را پیدا کرده و نسخه جدیدی از تصویر ایجاد می‌کند؛ این الگوریتم نمی‌تواند تصویر را به روشی که یک عکاس ممکن است با استفاده از فتوشاپ به کار بگیرد، واضح کند؛ بلکه تصاویر کاملا جدیدی تشکیل می‌دهد که گویی یک کاربر فتوشاپ تصویری جدید خلق کرده است.

نتیجه کار، تصویری با وضوح بالاتر نسبت به تصویری است که توسط تلسکوپ افق رویداد تولید شده و در آن ویژگی‌های سیاهچاله با دقت بیشتری مشخص‌ شده‌اند. به باور مدیروس، می‌توان از پریمو برای ساخت تصاویری از سایر اشیا مرموز استفاده کرد.

دیدن برخی از جالب‌ترین فرآیندهای تشکیل سیاره، حتی با بهترین تلسکوپ‌ها هنوز امکان‌پذیر نیست. تلسکوپ‌های رادیویی بزرگ می‌توانند غبار و گاز موجود در دیسک‌های پیش سیاره‌ای را که در آن سیاره‌ها شکل می‌گیرند، ثبت کنند و تلسکوپ‌های نوری می‌توانند جهان‌های کاملا شکل‌ گرفته را ببینند، اما مراحل رشد آن‌ها هنوز مشاهده نشده است.

مدیروس معتقد است که سامانه‌هایی مثل پریمو می‌توانند وضوح حساس‌ترین تلسکوپ‌های زمین را بهبود بخشیده و این اسرار را در معرض دید قرار دهند.

با وجود ظرفیت بالایی که یادگیری ماشین در علم نجوم دارد، برخی از دانشمندان هنوز نسبت به آن محتاط هستند. در واقع، برنامه‌هایی همچون پریمو نمی‌توانند به تمامی سوالات نجومی پاسخ دهند و در تشخیص داده‌ها محدودیت‌هایی دارند. مهم است که محققان این محدودیت‌ها را در نظر بگیرند و از روش‌های مختلف در کنار یادگیری ماشین استفاده کنند.

به باور ولی‌زادگان، اکسوماینر اولین قدم در استفاده از هوش مصنوعی برای حل مشکل شناسایی سیاره‌های فراخورشیدی است. با راه‌اندازی تلسکوپ‌های نسل جدید در دهه آینده، حجم زیادی از نور ستارگان به زمین باز خواهد گشت و هوش مصنوعی‌های آینده برای ردیابی سیاره‌ها، با تکیه بر موفقیت اکسوماینر در حال توسعه هستند.

رصدخانه ورا سی.روبین

ساخت رصدخانه ورا سی.روبین (Vera C. Rubin Observatory) در شیلی اولین بار در سال ۲۰۰۱ مطرح شد و قرار است تا از سال ۲۰۲۵، این رصدخانه هر سه شب یک‌بار با بزرگ‌ترین دوربین جهان با وضوح ۳۲۰۰ مگاپیکسلی، کل آسمان را به تصویر بکشد.

انتظار می‌رود این رصدخانه، هر سال اطلاعات یک‌ میلیون ابرنواختر و همچنین ده‌ها هزار سیارک و دیگر اجرام آسمانی را ثبت کند تا به دانشمندان در مطالعه مواردی که به‌ تنهایی قادر به بررسی آن‌ها نیستند، یاری رساند.

تلسکوپ‌ها در فضا و روی زمین به جمع‌آوری اطلاعات زیادی می‌پردازند که انسان‌ها نمی‌توانند به سرعت آن‌ها را رمزگشایی کنند. پروژه‌هایی مانند تلسکوپ ورای سی.روبین به جمع‌آوری و تحلیل داده‌های گسترده‌تر از کیهان و شناسایی پدیده‌های جدید کمک خواهند کرد که به کشف‌های انقلابی در علم نجوم منجر خواهد شد.

نحوه اکتشاف سیاره‌های فراخورشیدی توسط تلسکوپ‌های فضایی

طبق تخمین‌ها، تعداد سیاره‌های کهکشان راه شیری حدود ۱۰۰ میلیارد است و احتمالا ۱۱ میلیارد سیاره اندازه زمین وجود دارد که ممکن است شرایط حیات را داشته باشند.

ممکن است زندگی در سیاره‌های دیگر با شکلی متفاوت از زمین در جریان باشد، اما دانشمندان هدفشان را بر روی یافتن چیزهای آشنا گذاشته‌اند؛ در نتیجه، کشف سیاره‌ای سنگی با جو پایدار و آب مایع که در حال گردش به دور یک ستاره باشد، چالش‌های بزرگی را برای دانشمندان به همراه دارد.

در سال ۱۹۹۵، ستاره‌شناسان نخستین سیاره‌ای را که به دور ستاره‌ای غیر از خورشید می‌چرخید، کشف کردند. شناسایی سیاره‌ای که به دور یک ستاره می‌چرخد، حتی با وجود تلسکوپ‌های فضایی، کار زمان‌بر و دشواری است؛ زیرا این تلسکوپ‌ها نمی‌توانند خود سیاره را ببینند، بلکه وجود آن را به‌ طور غیرمستقیم تایید می‌کنند.

این فرآیند با بررسی و اندازه‌گیری تغییرات بسیار کوچک در نور ستارگان (منحنی‌های نور) که می‌تواند نشان‌دهنده عبور یک سیاره از مقابل آن باشد، انجام می‌شود. در ادامه تلسکوپ‌های زمینی با اندازه‌گیری چگونگی نوسان یک ستاره تحت تاثیر کشش گرانشی سیاره‌اش، وجود آن سیاره‌ها را اثبات می‌کنند؛ پس از کشف یک سیاره، درک شرایط آن به مراتب پیچیده‌تر است، اما اخترشناسان می‌توانند براساس اندازه و فاصله‌اش از ستاره، فرضیه‌هایی را مطرح کنند.

به لطف این تلاش‌ها، اخترشناسان اکنون حداقل ۵۶۰۰ سیاره را شناسایی کرده‌اند که به دور ستاره‌های دوردست در کهکشان راه شیری می‌چرخند؛ برخی از آن‌ها سیاره‌های گازی بزرگ‌تر از مشتری و زحل و برخی دیگر کوچک‌تر از مریخ هستند که بیشتر آن‌ها گازی، سنگی یا ترکیبی هستند و اغلب به اندازه‌های زمین و نپتون می‌باشند.

در جستجوی حیات در سیاره‌های فراخورشیدی

لیزا کالتنګر (Lisa Kaltenegger)، اخترفیزیکدان سیاره‌های فراخورشیدی و مدیر موسسه کارل ساگان (Carl Sagan Institute) در دانشگاه کرنل (Cornell University) آمریکا و همکارش دانگ فام (Dang Pham) در سال ۲۰۲۰ به این فکر افتادند که سامانه‌های یادگیری ماشینی را برای شناسایی منابع حیات‌بخشی مثل آب آموزش دهند؛ این کاری است که اکسوماینر توان انجام آن را ندارد، آن‌ها مطرح کردند که وجود یخ یا ابرها می‌تواند نشانه‌ای از وجود آب باشد.

کالتنگر و فام از اندازه‌گیری‌های جو زمین برای شبیه‌سازی سیاره‌های فراخورشیدی با سطوح سنگی، آبی، ابری و یخی استفاده کردند. آن‌ها همچنین الگوریتمی را آموزش دادند تا نشانه‌ای از حیات به نام لبه قرمز (طول موج‌های از نور که گیاهان به فضا منعکس می‌کنند) را جستجو کند.

آن‌ها متوجه شدند که نرم‌افزارشان می‌تواند در حدود سه‌ چهارم مواقع وجود حیات در یک جو شبیه‌سازی‌ شده را تشخیص دهد؛ استفاده از الگوریتم‌های یادگیری ماشین در شناسایی الگوها در داده‌ها بسیار موثر است و می‌تواند به تشخیص حیات در جوهای شبیه‌سازی شده کمک کند؛ با این حال، هنوز هم نقص‌هایی وجود دارد که باید مورد توجه قرار گیرند.

مثلا این الگوریتم‌ها نمی‌توانند اطمینان مطلقی را ارائه دهند ولی در عوض، می‌توان تخمین زد که درصدی از سطح یک سیاره، پوشیده از حیات است. هوش مصنوعی به تنهایی نمی‌تواند اعلام کند که سیاره‌ای شبیه زمین پیدا شده است.

بلکه هوش مصنوعی به دانشمندان کمک می‌کند تا کار را در سطح بالاتری انجام دهند و آن‌ها باید همچنان تلسکوپ‌های بیشتری را به سمت سیاره‌ها نشانه گرفته و به دنبال نشانه‌های شیمیایی احتمالی زندگی در آنجا باشند.

تا چندی پیش همکاران ولی‌زادگان نیز تمایلی به بهره‌گیری از هوش مصنوعی به‌ عنوان ابزاری برای کاوش در کیهان نداشتند؛ شاید دلیلشان این بود که الگوریتم‌های پیشرفته معمولا نحوه عملکردشان را به وضوح نشان نمی‌دهند، اما با پیشرفت فناوری و بهبود شفافیت در الگوریتم‌ها، استفاده از هوش مصنوعی می‌تواند به کشف بهتر و درک عمیق‌تری از جهان کمک کند.

حالا محققان بر این باورند که هوش مصنوعی می‌تواند نه‌ تنها در تلاش برای کشف جهان‌های جدید، بلکه سیاره‌هایی که به‌ احتمال‌ زیاد میزبان زندگی هستند، مفید باشد.