Ze względu na ograniczone możliwości zbierania próbek z innych planet naukowcy, szukając życia pozaziemskiego, korzystają z teledetekcji, dlatego też każda metoda, która pomogłaby ukierunkować bądź udoskonalić te poszukiwania, byłaby niezwykle użyteczna.

Z tą myślą interdyscyplinarny zespół badaczy z Instytutu SETI w Kalifornii, pod kierownictwem Kim Warren-Rhodes, zmapował rzadkie formy życia zamieszkujące wysady solne, kamienie oraz kryształy w Salar de Pajonales — solnisku na pograniczu chilijskiej pustyni Atakama i płaskowyżu Altiplano.

Wybrano je jako teren testowania mechanizmu, ponieważ przypomina suchy i jałowy krajobraz obecnie panujący na Marsie. Jest to wysoko położone solnisko, które wystawione jest na silne działanie promieniowania ultrafioletowego. Pomimo że uznawane jest za niezdatne do życia Salar de Pajonales, jest domem dla niektórych organizmów.

Warren-Rhodes zaczęła potem współpracę z Michaelem Phillipsem z Uniwersytetu Johnsa Hopkinsa oraz z Freddiem Kalaitzisem z Uniwersytetu Oksfordzkiego, celem której było wykorzystanie modelu uczenia maszynowego do rozpoznawania schematów i zasad rządzących rozkładem życia na obszarach o trudnych warunkach. Takie przeszkolenie nauczyło model odnajdywania tych wzorców na szerokim zakresie krajobrazów, w tym takich znajdujących się na innych planetach.

Zespół odkrył, że łącząc statystykę, ekologię i AI system mógłby lokalizować i wykrywać oznaki biologiczne z dokładnością 87,5%. Dla porównania skuteczność przypadkowych poszukiwań wyniosła nie więcej niż 10%. W dodatku program może zmniejszyć szacowaną powierzchnię, którą trzeba przeszukać o nawet 97%, a tym samym pomóc naukowcom doskonalić się w poszukiwaniu chemicznych śladów życia lub innych oznak biologicznych.

M. Phillips, F. Kalaitzis, K. Warren- Rhodes

Powyższe mapy ukazują prawdopodobieństwo występowania oznak biologicznych na podstawie danych otrzymanych za pomocą konwolucyjnych sieci neuronowych oraz danych statystycznych. Kolory na mapie a odpowiadają prawdopodobieństwu wykrycia oznak biologicznych. Na grafice b, po lewej, widoczna jest kopuła gipsowa oraz mapy dla wybranych mikrosiedlisk w jej obrębie.

„Nasz framework umożliwia nam łączenie potęgi statystyki w ekologii z uczeniem maszynowym, aby odkrywać i przewidywać schematy i reguły według których natura trwa i rozpowszechnia się w najtrudniejszych warunkach na Ziemi” – powiedziała Warren-Rhodes – „Mamy nadzieję, że inne zespoły astrobiologów zastosują nasz sposób mapowania innych, zdatnych do zamieszkania, środowisk i oznak biologicznych.”

Przy użyciu drona zbadano Salar de Pajonales wykonując fotografie, które analogiczne są do tych zrobionych na Marsie przez HiRISE (ang. High-Resolution Imaging Experiment) znajdujący się na pokładzie sondy Mars Reconnaissance Orbiter. Dane te pozwoliły stwierdzić, że rozkład drobnoustrojów tam żyjących nie jest przypadkowy, a raczej skupiony w obszarach różnorodnych biologicznie, których występowanie ściśle wiąże się z dostępem do wody.

Następnie, zespół Warren-Rhodes przeszkolił konwolucyjne sieci neuronowe (CNN), aby rozpoznawały i przewidywały dominujące cechy geologiczne w Salar de Pajonales. Niektóre z nich, takie jak wzorzysty grunt czy wielokątne siatki, występują również na Marsie. Sieci neuronowe nauczono też spostrzegania i przewidywania położenia mikrosiedlisk, które mogą zawierać oznaki życia.

Badacze mówią, że takie uczone maszynowo narzędzia mogą być wykorzystywane w zrobotyzowanych misjach planetarnych, takich jak łazik Perseverance NASA, który aktualnie wypatruje śladów życia na dnie marsjańskiego krateru Jezero.

„Z tymi modelami możemy zaprojektować dostosowane do naszych potrzeb mapy i algorytmy, służące do kierowania łazików do miejsc z najwyższym prawdopodobieństwem występowania przeszłego lub teraźniejszego życia, nie ważne jak bardzo jest rzadkie bądź schowane” – wyjaśniła Warren-Rhodes.

Zebrano prawie 8 tys. zdjęć oraz i ponad tysiąc próbek z Salar de Pajonales, w celu wykrycia drobnoustrojów stosujących fotosyntezę. Pigmenty, które wydzielają te mikroorganizmy odpowiadają potencjonalnej oznace biologicznej wykrytej przez Life Detection Ladder stworzonej przez NASA, której celem jest pomaganie naukowcom w poszukiwaniach życia pozaziemskiego, obracając się w obrębie ograniczeń nakładanych na nich przez stosowane przyrządy pomiarowe.

Naukowcy kontynuują uczenie AI, obierając za następny cel testowanie możliwości prognozowania położenia i rozkładu prastarych stromatolitów i tolerujących sól mikroorganizmów przez CNN. Powinno to pomóc w ustaleniu, czy zasady, jakimi posługiwano się w tych poszukiwaniach, obowiązują również w przypadku innych podobnych środowisk naturalnych.

Następnie zespół zacznie mapować źródła termalne, gleby pokryte wieczną zmarzliną oraz skały w suchych dolinach; z nadzieją na ukierunkowanie AI na wyszukiwanie potencjalnie zdatnych do zamieszkania obszarów w ekstremalnych warunkach tu na Ziemi, aby następnie przejść do analizowania innych planet.

Korekta — Rafał Górski