Οι κυνηγοί εξωγήινων λένε ότι έχουν ανιχνεύσει ασυνήθιστα ραδιοσήματα από έναν γαλαξία 3 δισεκατομμύρια έτη φωτός μακριά με τη βοήθεια της τεχνητής νοημοσύνης.
Οι ερευνητές στην αναζήτηση εξωγήινης νοημοσύνης ή SETI χρησιμοποίησαν έναν αλγόριθμο μηχανικής μάθησης για να κοσκινίσουν τα δεδομένα που συλλέχθηκαν από το Green Bank Telescope της Δυτικής Βιρτζίνια πριν από ένα χρόνο. Το AI βρήκε 72 ακόμα «γρήγορες ραδιοφωνικές εκρήξεις» – πάνω από τα 21 FRB που ανιχνεύθηκαν για πρώτη φορά στις 26 Αυγούστου 2017 – που προέρχονται από το γαλαξία FRB 121102, φέρνοντας το σύνολο σημάτων εκείνη την ημέρα σε 93.
«Δεν προέρχονται από νέες παρατηρήσεις όλες οι ανακαλύψεις», ανέφερε σε δήλωσή του ο Pete Worden, εκτελεστικός διευθυντής των πρωτοποριακών πρωτοβουλιών του SETI.
«Στην περίπτωση αυτή, ήταν έξυπνη, πρωτότυπη σκέψη εφαρμοσμένη σε ένα υπάρχον σύνολο δεδομένων. Έχει προωθήσει τις γνώσεις μας για ένα από τα πιο ενθουσιώδη μυστήρια στην αστρονομία».
Τα FRB παραμένουν ένα από τα πιο αινιγματικά φαινόμενα στο σύμπαν. Μόνο 30 περίπου γεγονότα έχουν επιβεβαιωθεί από τότε που ανακαλύφθηκαν πριν από μια δεκαετία και κάθε λάμψη διαρκεί μόνο μερικά χιλιοστά του δευτερολέπτου. Τα FRB είναι τυπικά γεγονότα μιας χρονικής στιγμής – γεγονός που καθιστά το FRB 121102 ιδιαίτερα ενδιαφέρον καθώς δίνεται από εκατοντάδες εκρήξεις. Συμπεριλαμβανομένων των 93 FRB τον Αύγουστο του 2017, ο γαλαξίας ήταν η πηγή σχεδόν 300 από τότε που ανακαλύφθηκε για πρώτη φορά το 2012.
Μερικοί αστρονόμοι πιστεύουν ότι είναι απίστευτα συνηθισμένοι, αλλά ότι η τρέχουσα τεχνολογία μας δεν είναι αρκετά ανεπτυγμένη ώστε να τις εντοπίζει με συνέπεια. Οι επιστήμονες πρότειναν μια σειρά από θεωρίες σχετικά με το τι προκαλεί τα μυστηριώδη σήματα, που προέρχονται από τις μαύρες τρύπες και τα αστέρια νετρονίων μέχρι τη σκοτεινή ύλη και τους εξωγήινους πολιτισμούς.
Οι ερευνητές λένε ότι δεν υπήρχε πρότυπο στα νέα FRBs – ούτε επιβεβαιώνουν ούτε αποκλείουν την ιδέα ότι η εξωγήινη ζωή θα μπορούσε να προσπαθήσει να επικοινωνήσει μαζί μας. Οι πιο πρόσφατες ριπές που ανιχνεύονται από την ΤΝ (Τεχνητή Νοημοσύνη) δίνουν στους ερευνητές περισσότερη δουλειά, καθώς προσπαθούν να εντοπίσουν την πηγή.
«Αυτό το έργο είναι μόνο η αρχή της χρήσης αυτών των ισχυρών μεθόδων για την εξεύρεση ραδιοδιατάξεων», ανέφερε σε δήλωσή του ο Gerry Zhang, διδακτορικός φοιτητής στο Πανεπιστήμιο Berkeley της Καλιφόρνια, ο οποίος ήταν επικεφαλής της ανάπτυξης της ΤΝ. «Ελπίζουμε ότι η επιτυχία μας μπορεί να εμπνεύσει άλλες σοβαρές προσπάθειες στην εφαρμογή της μηχανικής μάθησης στη ραδιοαστρονομία».
