IA rileva otto segnali che potrebbero rilevare civiltà extraterrestri

(30Science.com) ─ Roma, 31 gen. ─ Un nuovo metodo di machine learning potrebbe essere utilizzato per identificare in modo efficiente segnali radio insoliti provenienti dallo spazio filtrando le interferenze. È quanto è emerso da una nuova ricerca guidata dall’Università di Toronto che ha utilizzato i dati della Breakthrough Listen Initiative di Search for Extraterrestrial Intelligence (SETI) ed ha identificato otto segnali interessanti precedentemente non rilevati. I loro risultati sono stati pubblicati su Nature Astronomy. È stato suggerito che il rilevamento di alcuni tipi di segnali radio potrebbe essere un’indicazione di potenziale vita tecnologica, dato che i segnali radio artificiali possono essere distinti da quelli naturali.
I programmi SETI hanno scansionato il cielo con radiotelescopi per decenni per rilevare segnali artificiali inequivocabili provenienti dalle stelle. Tuttavia, questa ricerca è complicata dall’interferenza della tecnologia umana, che può generare false identificazioni positive che richiedono tempo per filtrare da grandi set di dati.
Peter Ma ed i suoi colleghi hanno presentato un metodo di selezione basato sull’apprendimento automatico (machine learning) applicandolo a più di 480 ore di dati del Robert C. Byrd Green Bank Telescope, con 820 stelle osservate. Il metodo ha analizzato 115 milioni di frammenti di dati, dai quali ha identificato circa 3 milioni di segnali di interesse. Il metodo è stato quindi in grado di ridurlo ulteriormente a 20.515 segnali, che è più di 100 volte inferiore rispetto alle precedenti analisi dello stesso set di dati. Gli autori hanno ispezionato i 20.515 segnali e hanno identificato 8 segnali di interesse precedentemente non rilevati, sebbene le osservazioni di follow-up di questi obiettivi non li abbiano rilevati nuovamente.
Gli autori hanno suggerito che il loro metodo potrebbe essere applicato ad altri grandi set di dati per accelerare il programma SETI e simili sondaggi basati sui dati. (30Science.com)