외계 지능 탐사(SETI)는 과학자와 연구자들이 지구 너머 생명체의 증거를 밝히기 위한 오랜 탐구였습니다.  기술의 발전으로 검색은 시각적 관찰에서 탐지 수단으로 무선 신호로 전환되었습니다. 이제 한 대학생의 작업이 잠재적으로 이 분야에서 주요 발전을 가져왔다고 Popsci는 보고했습니다.

토론토 대학교에서 수학과 물리학을 공부하는 3학년 학생인 Peter Ma는 새로운 신경망 기술을 개발하기 위해 SETI 및 Breakthrough Listen 이니셔티브와 협력했습니다.  이 기술은 외계 지능의 징후를 찾기 위해 우주에서 오는 대량의 무선 신호를 신속하게 분석할 수 있습니다. 새로운 발견은 Nature Astronomy에 발표되었습니다.

이 방법의 이면에 있는 이론은 진보된 외계 문명이 자연적인 무선 신호와 구별될 수 있는 신호를 방출할 수 있으며 협대역 무선 주파수는 인위적으로 구성된 송신기가 필요하기 때문에 외계 생명체에 대한 잠재적인 표식으로 여겨진다는 것입니다.

이전 검색 알고리즘은 사람이 정의한 이상 항목에만 기반을 두어 제한되었습니다.  그러나 Ma의 딥 머신 러닝 시스템은 인간이 만든 알고리즘이 종종 복제할 수 없는 대체 관점을 고려할 수 있는 기능을 제공합니다.

“사람들은 검색을 지원하기 위해 머신 러닝 또는 딥 러닝의 구성 요소를 검색 기술에 삽입했습니다. 우리의 기술은 검색입니다. 즉, 전체 프로세스가 신경망으로 효과적으로 대체되며 더 이상 구성 요소가 아니라 전체입니다.”라고 Ma는 Popsci에 설명했습니다. 

Ma의 딥 러닝 시스템은 이미 8개의 새로운 관심 신호를 식별하여 유망한 결과를 낳았습니다.  프로그램이 이미 전통적인 방법을 사용하여 분석한 지구에 근접한 820개의 별에서 150TB의 데이터를 검토하는 동안 프로그램이 외계 생명체의 잠재적인 증거를 발견했기 때문에 결과는 더욱 흥미로웠습니다.  중요한 발견이 부족한 것으로 간주되었지만 Ma의 프로그램은 추가 조사할 가치가 있는 것을 발견할 수 있었습니다. 

Ma의 프로그램은 인간 관찰자나 다른 AI 프로그램이 놓칠 수 있는 이상 현상을 강조하면서 외계 생명체의 가능한 징후에 대한 추가 검사기 역할을 효과적으로 수행합니다.  그러나 Ma는 프로그램이 연구원이 원하는 특정 속성을 학습하도록 안내하기 위해 여전히 상당한 엔지니어링 노력이 필요하다고 지적합니다.

“결국에는 여전히 사람의 확인이 필요합니다.  우리는 과학을 수행하기 위해 신경망과 같은 블랙박스 도구에만 의존하거나 신뢰할 수 없습니다.”라고 그는 썼습니다. "이것은 과학자를 위한 도구이지 과학자를 대체하는 것이 아닙니다."

Ma는 새로 감지된 관심 신호 8개가 외계 생명체에 대한 결정적인 증거를 제공할 통계적 가능성이 낮다고 경고합니다.  그럼에도 불구하고 그의 새로운 AI 개발은 별을 보다 정확하게 검색하는 데 귀중한 도움이 될 수 있습니다.  SETI, Breakthrough Listen 및 Ma는 이미 남아공의 MeerKAT 망원경 어레이를 사용하여 기술 서명 관측의 연중무휴 모니터링을 지원하고 방대한 양의 데이터에서 유사한 신호를 찾기 위한 분석을 수행할 준비를 하고 있습니다. 

그래서 누가 압니까? 탐색이 계속됨에 따라 우리는 언젠가 마침내 우리 행성 너머에 있는 생명체의 증거를 발견하여 우주의 신비를 풀기 위한 우리의 탐구에 큰 발걸음을 내디딜 수 있습니다.