在浩渺宇宙间，人类是已知唯一的智慧生命吗？多年来，这个问题一直萦绕在无数科学家心头，也推动他们不断探索更深远的未知。
美国《福布斯》双周刊网站在近日的报道中指出，包括机器学习在内的人工智能（AI）技术不断取得进步，赋予科学家搜寻外星生命更多助力，将彻底改变外星生命探索的面貌。例如，机器学习技术有望改变科学家处理和分析天文观测数据的方式；先进的AI工具更有可能识别出表明外星生命的信号，大大加快科学家在宇宙其他角落发现生命的效率。
机器学习识别潜在信号
搜寻地外智慧生命（SETI）项目主要是搜索宇宙中外星生命信号。鉴于宇宙浩渺无垠，这将是一项艰巨任务。AI能处理和分析远超出人类能力的庞大数据集，其中机器学习算法可筛选宇宙辐射的噪声，从而可以前所未有的速度和准确性识别可能意味着外星生命存在的信号。
AI在SETI中大显身手的一个领域是突破聆听项目。该项目利用分布在全球各地的望远镜，在100万颗恒星中寻找智慧生命的迹象。
加拿大多伦多大学和美国加州大学科学家在2月底出版的《自然·天文学》杂志上发表论文称，他们开发出一种机器学习软件，对820颗恒星的突破聆听观测数据进行分析，识别出了近300万个有价值信号。尽管大多数信号被作为干扰排除，但在2万多个经过人工审核的信号中，他们找到了8个有望昭示地外智慧生命的候选信号，凸显了AI在加速数据驱动的新天文学时代的潜力。
神经网络发现隐藏系外行星
识别太阳系外的行星对寻找外星生命至关重要。AI算法在这项任务中越来越不可或缺，尤其是在分析美国国家航空航天局的开普勒空间望远镜和凌日系外行星勘测卫星等收集的数据时。
开普勒空间望远镜已借助凌日法发现了数千颗系外行星。2022年，谷歌AI研究团队开发出名为ExoMiner的神经网络，通过筛选开普勒望远镜的数据，发现了301颗以前未知的系外行星，展示了AI发现宜居行星的潜力。
神经网络是一种算法，当输入足够多数据时，它可学习并提高自己的能力。有了此次成功经验，科学家计划用该算法帮助筛选其他系外行星捕手获得的数据，例如欧洲空间局的对流旋转和行星横越任务，以及将于2026年发射的下一代行星搜寻任务柏拉图捕捉的数据。
模因算法找出宜居行星
确定系外行星是否适合生命繁衍生息是一项复杂的挑战，需要分析从大气成分到表面温度等在内的诸多因素。
AI模型正在接受训练，以预测已发现系外行星的宜居性。通过学习地球的已知条件和从系外行星获得的有限数据，AI可评估银河系其他星球存在维持生命环境的可能性。
此外，科学家也在借助AI工具，发现新的宜居行星。据俄罗斯卫星通讯社报道，印度天文学家开发出新AI算法MSMBTAI，可从已知的5000颗行星中，找出了约60颗可能适合生命生存的行星。
MSMBTAI基于多阶段模因算法，可作为一种快速筛选工具，通过观察到的特征评估行星的宜居性。
此外，如果真的接收到来自外星文明的信号，解读其内容将面临前所未有的挑战。自然语言处理和机器学习等AI工具可能有助于解码此类信息。
科学家表示，如果人类从外星文明接收到类似阿雷西博信息的信号，AI可分析二进制编码的信息，解析出潜在的含义并予以响应。阿雷西博信息是以前地球上最强大的射电望远镜阿雷西博射电望远镜向25000光年外的武仙座M13星团发射的无线电信息。
在AI的帮助下，科学家有望更快厘清人类是否是宇宙中唯一智慧生物这一亘古难题。
在浩渺宇宙间，人类是已知唯一的智慧生命吗？多年来，这个问题一直萦绕在无数科学家心头，也推动他们不断探索更深远的未知。
美国《福布斯》双周刊网站在近日的报道中指出，包括机器学习在内的人工智能（AI）技术不断取得进步，赋予科学家搜寻外星生命更多助力，将彻底改变外星生命探索的面貌。例如，机器学习技术有望改变科学家处理和分析天文观测数据的方式；先进的AI工具更有可能识别出表明外星生命的信号，大大加快科学家在宇宙其他角落发现生命的效率。
机器学习识别潜在信号
搜寻地外智慧生命（SETI）项目主要是搜索宇宙中外星生命信号。鉴于宇宙浩渺无垠，这将是一项艰巨任务。AI能处理和分析远超出人类能力的庞大数据集，其中机器学习算法可筛选宇宙辐射的噪声，从而可以前所未有的速度和准确性识别可能意味着外星生命存在的信号。
AI在SETI中大显身手的一个领域是突破聆听项目。该项目利用分布在全球各地的望远镜，在100万颗恒星中寻找智慧生命的迹象。
加拿大多伦多大学和美国加州大学科学家在2月底出版的《自然·天文学》杂志上发表论文称，他们开发出一种机器学习软件，对820颗恒星的突破聆听观测数据进行分析，识别出了近300万个有价值信号。尽管大多数信号被作为干扰排除，但在2万多个经过人工审核的信号中，他们找到了8个有望昭示地外智慧生命的候选信号，凸显了AI在加速数据驱动的新天文学时代的潜力。
神经网络发现隐藏系外行星
识别太阳系外的行星对寻找外星生命至关重要。AI算法在这项任务中越来越不可或缺，尤其是在分析美国国家航空航天局的开普勒空间望远镜和凌日系外行星勘测卫星等收集的数据时。
开普勒空间望远镜已借助凌日法发现了数千颗系外行星。2022年，谷歌AI研究团队开发出名为ExoMiner的神经网络，通过筛选开普勒望远镜的数据，发现了301颗以前未知的系外行星，展示了AI发现宜居行星的潜力。
神经网络是一种算法，当输入足够多数据时，它可学习并提高自己的能力。有了此次成功经验，科学家计划用该算法帮助筛选其他系外行星捕手获得的数据，例如欧洲空间局的对流旋转和行星横越任务，以及将于2026年发射的下一代行星搜寻任务柏拉图捕捉的数据。
模因算法找出宜居行星
确定系外行星是否适合生命繁衍生息是一项复杂的挑战，需要分析从大气成分到表面温度等在内的诸多因素。
AI模型正在接受训练，以预测已发现系外行星的宜居性。通过学习地球的已知条件和从系外行星获得的有限数据，AI可评估银河系其他星球存在维持生命环境的可能性。
此外，科学家也在借助AI工具，发现新的宜居行星。据俄罗斯卫星通讯社报道，印度天文学家开发出新AI算法MSMBTAI，可从已知的5000颗行星中，找出了约60颗可能适合生命生存的行星。
MSMBTAI基于多阶段模因算法，可作为一种快速筛选工具，通过观察到的特征评估行星的宜居性。
此外，如果真的接收到来自外星文明的信号，解读其内容将面临前所未有的挑战。自然语言处理和机器学习等AI工具可能有助于解码此类信息。
科学家表示，如果人类从外星文明接收到类似阿雷西博信息的信号，AI可分析二进制编码的信息，解析出潜在的含义并予以响应。阿雷西博信息是以前地球上最强大的射电望远镜阿雷西博射电望远镜向25000光年外的武仙座M13星团发射的无线电信息。
在AI的帮助下，科学家有望更快厘清人类是否是宇宙中唯一智慧生物这一亘古难题。