Analizando 150 TB de datos de 820 estrellas cercanas recopilados por telescopios, la Inteligencia Artificial detectó ocho señales de radio de posible procedencia alienígena, que habían pasado desapercibidas. Pero desaparecieron cuando los científicos quisieron analizarlas mejor.
La Inteligencia Artificial (IA) ha detectado ocho señales de posible procedencia alienígena que inicialmente habían sido descartadas por los telescopios.
Este sistema inteligente se basó en 480 horas de observaciones de 820 estrellas realizadas por el radiotelescopio Robert C. Byrd Green Bank, de 100 metros, contratado por SETI Breakthrough para buscar ondas de radio que puedan indicar la presencia de civilizaciones extraterrestres.
Mediante un software de aprendizaje automático (una rama de la Inteligencia Artificial) que guio todo el análisis de 150 TB de datos de 820 estrellas cercanas, los investigadores obtuvieron casi tres millones de señales de interés, pero descartaron la mayoría como interferencias basadas en la Tierra.
Desaparición misteriosa
Pero luego revisaron manualmente alrededor de 20.000 señales y redujeron a 8 las sospechosas de tener un origen alienígena. “Nuestro trabajo arrojó ocho prometedoras señales de inteligencia extraterrestre de interés no identificadas previamente”, escriben los autores de esta investigación en un artículo publicado en Nature Astronomy.
El problema se presentó a continuación: esas ocho señales, identificadas en conjunto como MLc1-8, desaparecieron cuando los científicos quisieron escucharlas de nuevo para analizarlas mejor. Nadie sabe a dónde han ido a parar.
Franck Marchis, astrónomo planetario del Instituto SETI en Mountain View, California, que no participó en el estudio,
explicó
a IFLScience: “las señales MLc1 y MLc7 son muy interesantes porque se registraron en dos fechas diferentes, lo que sugiere que no se deben a interferencias de naturaleza terrestre. Este descubrimiento requiere la confirmación de otros instrumentos antes de que podamos estar seguros de que hemos detectado vida extraterrestre. Sin embargo, este resultado científico muestra que ahora es posible anunciar este tipo de detección lo suficientemente rápido como para hacer el seguimiento necesario”.
Gráficos en cascada de las ocho señales de interés. / SETI INSTITUTE.
Características clave
comunicado.
En primer lugar, las señales eran de banda estrecha, lo que significa que tenían un ancho espectral estrecho, del orden de unos pocos Hz. Las señales provocadas por fenómenos naturales suelen ser de banda ancha.
En segundo lugar, las señales tenían tasas de deriva (desvío de frecuencia) distintas de cero, lo que significa que las señales tenían una pendiente. Esas pendientes podrían indicar que el origen de la señal tenía cierta aceleración relativa con nuestros receptores, por lo tanto, que no era de origen local para el observatorio de radio.
Por último, las señales aparecieron en observaciones de fuente ON y no en observaciones de fuente OFF. Si una señal se origina en una fuente celeste específica, aparece cuando apuntamos nuestro telescopio hacia el objetivo y desaparece cuando miramos hacia otro lado. La interferencia de radio humana generalmente ocurre en observaciones ON y OFF debido a que la fuente está cerca.
Expectativas
Aunque esta investigación no ha podido confirmar el origen extraterrestre de ninguna de las señales sospechosas, los científicos consideran un éxito el método tecnológico aplicado al análisis de datos de telescopios.
Los algoritmos de aprendizaje automático, como los empleados en esta investigación, se entrenan con grandes cantidades de datos y pueden aprender a reconocer características que son propias de la interferencia terrestre, lo que los hace muy buenos para filtrar el ruido.
El algoritmo utilizado en esta investigación es una combinación de dos subtipos de aprendizaje automático: aprendizaje supervisado y aprendizaje no supervisado.
Denominado «aprendizaje semi-no supervisado», este enfoque implica el uso de técnicas supervisadas para guiar y entrenar el algoritmo con el fin de ayudarlo a generalizar, con técnicas de aprendizaje no supervisado, para que los nuevos patrones ocultos puedan descubrirse más fácilmente en los datos. Al simular señales de ambos tipos, el equipo ha entrenado sus herramientas de aprendizaje automático para diferenciar entre señales extraterrestres e interferencias generadas por humanos.
¿Confirmación cercana?
“Es una pena que, a pesar de los intentos informados por el equipo, estas señales no hayan podido ser confirmadas por otros instrumentos”, añade Marchis.
“La llegada de grandes redes como MeerKAT y SKA, que producirán terabytes de datos por semana, hace imperativo que la investigación de SETI adopte algoritmos poderosos como el aprendizaje profundo”, agrega.
Y concluye: “esperamos que este algoritmo sea capaz de detectar una señal más rápido que los métodos convencionales, porque esto nos permitirá hacer un seguimiento con otras antenas y, por lo tanto, confirmar si una señal es extraterrestre”.
Referencia
A deep-learning search for technosignatures from 820 nearby stars.
Peter Xiangyuan Ma et al. Nature Astronomy (2023). DOI:https://doi.org/10.1038/s41550-022-01872-z
Más historias