هل يمكن للذكاء الاصطناعي العثور على حياة غريبة بشكل أسرع من البشر، وهل سيخبرنا بذلك؟
لقد حل أسبوع الفضاء العالمي 2023، وينظر موقع Space.com إلى الوضع الحالي للذكاء الاصطناعي (AI) وتأثيره على علم الفلك واستكشاف الفضاء مع احتفال عصر الفضاء بالذكرى السادسة والستين لتأسيسه. هنا، يناقش كيث كوبر كيف يمكن للذكاء الاصطناعي أن يساعد البشر على اكتشاف الحياة الغريبة.
قم بتوجيه التلسكوب اللاسلكي نحو النجوم في السماء، وسيُصم الآذان على الفور. من النجوم النابضة إلى المجرات الراديوية، ومن اضطرابات الغلاف الأيوني في الغلاف الجوي إلى تداخل الترددات الراديوية (RFI) من التكنولوجيا الخاصة بنا، فإن السماء عبارة عن نشاز من الضوضاء الراديوية. وفي مكان ما، بين كل ذلك، قد تكمن إبرة في كومة قش: إشارة من عالم آخر.
يساعد الذكاء الاصطناعي بالفعل علماء الفلك على تحقيق اكتشافات مذهلة. إليك الطريقة
The use of artificial intelligence (AI) has reached a critical stage in our daily lives and in science, so it is not surprising that it is now being used in the search for extraterrestrial intelligence (SETI). We are not talking about Skynet, or machines from The Matrix movies, or even Star Trek: The Next Generation’s Data. The current popular artificial intelligence relies on machine learning algorithms designed to perform highly specific tasks, even if it’s just to have a conversation with you on ChatGPT.
لشرح كيف يساعد الذكاء الاصطناعي في مشروع SETI، يقارنه عالم الفلك وباحث SETI إيمون كيرينز من جامعة مانشستر بإبرة في مشكلة كومة قش.
قال كيرينز لموقع Space.com: “إنك تتعامل مع البيانات بشكل أساسي كما لو كانت مجرد قش”. “ثم تطلب من خوارزمية التعلم الآلي أن تخبرك ما إذا كان هناك أي شيء في البيانات ليس قشًا، ونأمل أن يكون هذا هو الإبرة في كومة القش – ما لم يكن هناك أشياء أخرى في كومة القش أيضًا.”
These other things are usually RFI, but the machine learning algorithm is trained to recognize all types of RFI that we already know. These signals – familiar patterns from mobile phones, local radio transmitters, electronics, etc. – are the straw.
“The training involves inputting signals into the data and then the algorithm learns to search for signals of this kind,” said Steve Croft, an astronomer at the Breakthrough Listen SETI project at the University of California, Berkeley, to Space.com. It aims to discover familiar patterns of these signals and ignore them. If something is discovered in the data that was not trained on, it indicates it as something interesting that requires human attention.
يعد تلسكوب جرين بانك أكبر تلسكوب قابل للتوجيه بالكامل في العالم. يقع في مرصد جرين بانك في ولاية فرجينيا الغربية. (حقوق الصورة: أندرو كاباليرو-رينولدز/ وكالة الصحافة الفرنسية عبر Getty Images))
قال كيرينز: “كانت هناك محاولات مؤخرًا لغربلة بعض بيانات برنامج Breakthrough الاستماع باستخدام خوارزمية التعلم الآلي”. “لقد تم بالفعل تمشيط البيانات بعناية تامة من قبل بوسائل أكثر تقليدية، ولكن مع ذلك ظلت الخوارزمية قادرة على انتقاء إشارات جديدة بعد تدريبها على الأشياء التي نعرفها.”
قاد هذا المشروع كروفت والطالب الجامعي بيتر ما من جامعة تورنتو، اللذين قاما بكتابة الخوارزمية وتشغيلها لتحليل البيانات من 820 نجمًا تم رصدها بواسطة التلسكوب الراديوي الذي يبلغ قطره 100 متر في مرصد جرين بانك في فرجينيا الغربية. تحتوي البيانات، التي يبلغ مجموعها 489 ساعة من الملاحظات، على ملايين الإشارات اللاسلكية، وكلها تقريبًا كانت تدخلاً من صنع الإنسان. قامت الخوارزمية بفحص كل واحدة منها ووجدت ثماني إشارات لا تتطابق مع أي شيء تم تدريبها عليه والتي فاتتها التحليلات السابقة للبيانات.
These eight signals appear to come from five different star systems, although they may be deceiving. They have not been detected since then – the recurrence of a signal is the primary requirement for considering it interesting in SETI – and it is likely that they turn out to be more than RFI. However, even this is useful, as it can be used to train the next generation of artificial intelligence for machine learning so that similar RFI can be avoided in the future.
يمكن تقسيم خوارزميات التعلم الآلي إلى معسكرين. أحدهما يُعرف بالتعلم الخاضع للإشراف، وهو منهج تعليم كل ما تعرفه. يختلف التعلم غير الخاضع للرقابة قليلاً، حيث تقوم فقط بتغذية الخوارزمية بالبيانات وتسمح لها بمعرفة ما هو مهم، دون أي تحيزات بشرية.
قال كروفت: “من خلال اتباع نهج غير خاضع للرقابة تمامًا، ما عليك سوى إدخال جميع البيانات وتحريك الوعاء والسماح للخوارزمية باكتشافها بنفسها”.
قصص ذات الصلة:
كمثال عادي، لنفترض أن لديك مجموعة بيانات من صور الطاولات والكراسي، وتريد أن تقوم الخوارزمية بالتمييز بينهما. في التعلم الخاضع للإشراف، يمكنك تدريب الخوارزمية على الكثير من الصور التي تحمل علامة “طاولة” أو “كرسي”. في التعلم غير الخاضع للرقابة، يجب على الخوارزمية التمييز بين الاثنين من خلال تجميع الأشياء التي تبدو متشابهة دون أي تدريب مسبق – على سبيل المثال، قد تختار أي شيء ذو ظهر ليكون كرسيًا، وأي شيء ذو قمة طويلة ليكون طاولة.
يسلط كيرينز الضوء على مثال المشروع الذي يقوده آدم ليسنيكوفسكي من شركة NVIDIA، المشهورين ببطاقات الرسوميات الخاصة بهم ولكنهم الآن رائدون في مجال الذكاء الاصطناعي. استخدم ليسنيكوفسكي، الذي انضم إليه فالنتين بيكل من ETH زيورخ ودانيال أنغرهاوزن من جامعة برن، التعلم الآلي غير الخاضع للرقابة في اختبار لمعرفة ما إذا كان بإمكانه اكتشاف الأجسام الاصطناعية على القمر. تم تغذية الخوارزمية بصور من مركبة الاستطلاع القمرية التابعة لناسا، وكان عليها معرفة ما هي السمات القمرية النموذجية، مثل الحفرة أو الأخدود، وما لم يكن كذلك. كان الاختبار ناجحًا، حيث اختارت الخوارزمية مركبة الهبوط القمرية أبولو 15 على سطح القمر.
والفكرة هي أن الكائنات الفضائية التكنولوجية ربما زارت نظامنا الشمسي بالفعل، وتركت مجسات أو قطع أثرية على الكواكب أو الأقمار أو الكويكبات. من الممكن أن يكون هناك مسبار نشط يراقبنا الآن.
قال كيرينز: “بعض زملائي مهتمون جدًا بفكرة وجود مركبات مدارية مزودة بخوارزمية التعلم الآلي على متنها”. يمكن للمركبة الفضائية أن تقوم بمسح أسطح الكواكب في نظامنا الشمسي للبحث عن الحالات الشاذة التي يمكن أن تكون مجسات غريبة، ربما عمرها الآن ملايين أو مليارات السنين. نظرًا لأن التعلم غير الخاضع للرقابة يتمتع بميزة القدرة على العمل في الوقت الفعلي، فسيكون قادرًا على تقييم كل صورة قبل المضي قدمًا دون الحاجة إلى الانتظار لإرسال جميع البيانات إلى الأرض ليطلع عليها البشر.
من المؤكد أنه في عصر “البيانات الضخمة”، يعد الذكاء الاصطناعي للتعلم الآلي هو الطريق إلى الأمام، ويتم استخدامه الآن على نطاق واسع في علم الفلك وفي SETI، مع القدرة على القيام بالأشياء بشكل أسرع وأفضل من البشر.
قال كيرينز: “إنه سريع بالتأكيد”. “إن أقرب ما يمكن أن نصل إليه مع البشر هو من خلال مشاريع العلوم المدنية.”
إذا كانت المركبة الفضائية تحتوي على خوارزميات للتعلم الآلي على متنها، فيمكنها إحداث ثورة في كيفية استكشاف الكواكب الخارجية. (حقوق الصورة: نزاري نيشرينسكي عبر Getty Images)
مع خوارزميات التعلم الآلي، لا يزال البشر منخرطين بشكل وثيق. قد يتم تمييز الإشارة بواسطة الذكاء الاصطناعي على أنها مثيرة للاهتمام، ولكن لا يزال يتعين على البشر المتابعة والتحقيق. الخوارزميات ليست بهذه الذكاء.
ومع ذلك، قد يأتي الوقت قريبًا، عندما يكونون بهذه الذكاء. كان الباحثون في أماكن مثل Google DeepMind يتابعون الذكاء العام الاصطناعي، أو AGI. في حين أن الخوارزميات التي لدينا اليوم محددة للغاية، فإن الذكاء الاصطناعي العام سيكون قادرًا على التدخل في أي شيء والتعلم والنمو أثناء قيامه بذلك. يمكن للذكاء الاصطناعي العام أن يتسارع بسرعة تتجاوز قدرة الذكاء البشري.
إن إمكانيات الذكاء الاصطناعي العام (AGI) في تحويل SETI محيرة. لقد رأينا بالفعل كيف تم تصميم خوارزميات التعلم الآلي لممارسة ألعاب مثل الشطرنج أو Go! يطورون استراتيجيات تربك الخبراء البشريين الذين يهزمهم الذكاء الاصطناعي في هذه الألعاب. من المؤكد أن الذكاء الاصطناعي العام يمكنه التفكير في طرق جديدة للبحث عن حياة غريبة خارج حدود التحيزات والخبرات البشرية.
وقال كيرينز: “ستكون قادرة على رسم جميع أنواع الاحتمالات لكيفية نقل اللغة والتواصل من خلال الإشارات”. “قد يكون قادرًا على استهلاك كتالوجات فلكية ضخمة واتخاذ قرار بشأن الاستراتيجيات البصرية حول كيفية البحث ومكانه.”
يردد ستيف كروفت تفاؤل كيرينز. “آمل أن يتطور الذكاء الاصطناعي إلى مرحلة حيث يمكننا أن نطلب منه إزالة الغمامة والتخيل، من كل ما يعرفه عن الفيزياء والأحياء والكيمياء والكواكب الخارجية والتكنولوجيا، ما يعتقد أن الكائنات الفضائية قد تفعله. ومن المحتمل أن يتوصل إلى استنتاجات بعض الأفكار الجيدة!”
هذا إذا كان بإمكانه، أو حتى سيخبرنا بأي شيء. إن إنشاء الذكاء الاصطناعي العام سوف يشبه بطريقة ما إنشاء كائن فضائي، وهو كائن يختلف كثيرًا عنا والذي قد نواجه صعوبة في فهمه.
وقال كيرينز: “قد نجد صعوبة بالغة في التواصل المباشر معها”. “قد يكون لدينا تسلسل هرمي من المترجمين، وفي أعلى هذا التسلسل الهرمي يوجد ذكاء من شأنه أن يقرر طرقًا أكثر ذكاءً للبحث في SETI. إذا أجرى اتصالاً، فكيف يمكن أن يصل ذلك إلى الذكاء البيولوجي، أيها الأغبياء”. ، نحن؟”
قد نحصل على نسخة من الهمسات الصينية، حيث يتم تمرير المعلومات ذات الصلة عبر التسلسل الهرمي، وتصبح أبسط فأبسط حتى نتلقى النسخة المبسطة. وقد يحجب AGI المعلومات التي يرى أنها ستكون معقدة للغاية بحيث يتعذر علينا فهمها. إذا تمكن AGI من اكتشاف SETI، فقد لا نحصل على الصورة الكاملة.
هذه تكهنات، رغم ذلك. في الوقت الحالي، يعد الذكاء الاصطناعي أداة قوية تعمل على تسريع عمليات البحث عن الكائنات الفضائية. من المؤكد أننا إذا اكتشفنا إشارة من عالم آخر في المستقبل، فسيكون علينا أن نشكر الذكاء الاصطناعي على ذلك.
اتبع كيث كوبر على تويتر @21stCenturySETI.
