As pesquisas tradicionais do SETI sofrem de duas limitações: primeiro, elas assumem que alienígenas inteligentes (se existirem) estão tentando falar diretamente conosco. Segundo, eles assumem que reconheceríamos essas mensagens se as encontrássemos.
Avanços recentes em inteligência artificial (IA) estão abrindo caminhos interessantes para reexaminar todos os dados em busca de anomalias sutis que foram negligenciadas. Essa ideia está no centro de uma nova estratégia do SETI: a varredura de padrões anômalos que não são necessariamente sinais de comunicação, mas são os subprodutos de uma civilização tecnologicamente avançada em atividade. O objetivo é desenvolver um mecanismo de anomalia versátil e inteligente que possa descobrir quais valores de dados e padrões de interconexão são incomuns quando comparados com uma linha de base.
Essa estratégia ajuda a mitigar uma grande luta do SETI até hoje: a tensão natural entre fazer suposições sobre o que você está procurando para poder pesquisar com eficiência, equilibrada com a intuição de que nossa definição de tecnologia é muito nascente e, portanto, menos assumimos o melhor.
O mecanismo de anomalia AI pressupõe apenas que as atividades de uma civilização alienígena podem ter algum efeito detectável em nosso universo observável. O melhor de tudo, o mecanismo de anomalias é uma proposta ganha-ganha: mesmo que uma observação estranha não tenha nada a ver com a tecnologia alienígena, ela exige uma explicação que possa expandir nossa compreensão do universo natural.
Por exemplo, no início da manhã de 25 de julho de 2001, uma poderosa explosão de energia de rádio, com menos de 5 milissegundos de duração, varreu o Sistema Solar e inundou o Hemisfério Sul da Terra. Este evento extraordinário passou despercebido por mais de seis anos. Não foi até novembro de 2007 que o astrônomo Duncan Lorimer e seu estudante de pesquisa se depararam com as evidências desse intenso pico de energia de rádio.
As provas estavam escondidas à vista de todos, entre as montanhas de dados arquivados do rádio-telescópio Parkes, na Austrália. Talvez um mecanismo de anomalia de IA pudesse ter encontrado as evidências para essas rajadas de rádio mais rapidamente. E o que é mais importante, pode haver outras surpresas que os olhos humanos perderam e que ainda estão esperando para serem descobertos nos arquivos de dados.
De fato, à medida que as capacidades da IA melhoram, espera-se que novas aplicações de computador, como modelos de aprendizagem profunda, isolem de maneira inteligente anomalias semelhantes dentro dos enormes arquivos de dados que foram coletados em disciplinas de ciências espaciais.
No entanto, a detecção de anomalias em dados multivariados continua sendo uma arte obscura, mesmo para os melhores especialistas em humanos, portanto, desenvolver um mecanismo de anomalia inteligente e flexível não será tarefa fácil. Uma abordagem é treinar uma rede neural profunda para ser um autocorrelador que encontre exemplos incomuns de dados. Os dados de entrada devem ser compactados para fluir através de um ponto de estrangulamento na rede neural, como areia fluindo pela cintura de uma ampulheta.
Quanto mais frequentemente este sistema de IA apresenta dados de natureza semelhante, melhor se torna a compressão e a recuperação precisa da informação. Mas se forem mostrados dados que são incomuns de alguma forma, a produção seria mal replicada e poderia ser sinalizada como anômala.
O problema é que esses autocorreladores simples funcionam melhor dentro de um domínio restrito de dados e ainda carecem da ampla flexibilidade de que precisamos. No entanto, a pesquisa da IA está avançando bastante. Será que, esperando dentro dos petabytes de dados observacionais espaciais que já coletamos, está a evidência despercebida de que já tivemos companhia?
Nenhum comentário:
Postar um comentário