Mokslininkai sukūrė dirbtinio intelekto (DI) programą, kuri gali aptikti nežemišką gyvybę fiziniuose mėginiuose – tačiau mokslininkai nėra visiškai tikri, kaip ji veikia.
Pasak ją sukūrusių mokslininkų, naujasis mašininio mokymosi algoritmas, apmokytas naudojant gyvas ląsteles, fosilijas, meteoritus ir laboratorijoje pagamintas chemines medžiagas, 90 proc. atvejų gali atskirti biologinės ir nebiologinės kilmės mėginius. Vis dėlto algoritmo vidinis veikimas tebėra paslaptis.
Mokslininkai teigia, kad naująjį algoritmą būtų galima pritaikyti beveik iš karto. Jis leistų ieškoti gyvybės Marse analizuojant marsaeigio „Curiosity“ surinktus duomenis apie Marso uolienas, taip pat galėtų atskleisti paslaptingų ir senovinių Žemėje randamų uolienų kilmę. Rugsėjo 25 d. komanda savo išvadas paskelbė žurnale PNAS.
„Šie rezultatai reiškia, kad galime aptikti gyvybės formą iš kitos planetos, kitos biosferos, net jei ji labai skiriasi nuo gyvybės, kurią turime Žemėje, – sakė vienas iš tyrimo pagrindinių autorių, Carnegie mokslo instituto Vašingtone (JAV) astrobiologas Robertas Hazenas. – O jei aptiksime gyvybės požymių kitur, galėsime pasakyti, ar gyvybė Žemėje ir kitose planetose atsirado iš bendros ar iš kitos kilmės.
Mokslininkai jau žino, kad maišant chemines medžiagas ir laikant jas pirmykštės jūros temperatūroje gali susidaryti organinės molekulės, pavyzdžiui, aminorūgštys (baltymų statybiniai blokai, kurie yra gyvybės pagrindas). Jie taip pat aptiko šių statybinių blokų pėdsakų meteorituose ir net tolimame asteroide.
Tačiau jei ateivių ieškotojai nori įrodyti, kad rado gyvybę už Žemės ribų, jie turi atsakyti į paprastą klausimą: kaip sužinoti, ar rasti dalykai yra biologinės kilmės, ar jie susiformavo dėl kažkokio cheminio atsitiktinumo?
Kadangi organinės molekulės laikui bėgant linkusios suirti, į šį klausimą sunku atsakyti vien žmonėms. Todėl tyrėjai ėmėsi kurti mašininio mokymosi algoritmą, kuris galėtų padėti.
Mokslininkai pradėjo nuo metodo, kuris jau naudojamas NASA kosminiuose laivuose: pirolizės, t. y. mėginio kaitinimo be oro, kai mėginys atskiriamas į dujas ir bioanglį. Tada suskaidytos mėginio dalys surūšiuojamos chromatografijos metodu, o po to jo atomai masių spektroskopijos metodu perrašomi į duomenis.
Mašininio mokymosi algoritmas, gavęs duomenis iš 134 žinomos kilmės mėginių, turinčių daug anglies, 90 proc. tikslumu atskyrė biologinius objektus (tokius kaip kriauklės, dantys, kaulai, anglis ir gintaras) ir abiotinės kilmės organinius junginius (tokius kaip laboratorijoje pagamintos aminorūgštys).
Dirbtinio intelekto sistemos iš esmės yra „juodosios dėžės“ modeliai – tyrėjai nėra visiškai tikri dėl neaiškių procesų, kuriuos jų sistema atlieka, kad pateiktų savo atsakymus.
„Šio naujo tyrimo pasekmių yra daug, tačiau yra trys svarbiausios išvados, – sakė vienas iš tyrimo pagrindinių autorių, Carnegie mokslo instituto chemikas Jimas Cleavesas. – Pirma, tam tikru lygmeniu biochemija skiriasi nuo abiotinės organinės chemijos; antra, galime pažvelgti į Marso ir senovės Žemės mėginius ir pasakyti, ar jie kažkada buvo gyvi – ir trečia, tikėtina, kad šis naujas metodas galėtų atskirti alternatyvias biosferas nuo Žemės biosferų, o tai turėtų didelės reikšmės būsimoms astrobiologinėms misijoms.“
