A inteligência artificial (IA) e o aprendizado de máquina (termo mais famoso em sua versão em inglês, machine learning) são ferramentas importantíssimas para a análise de dados. Cientistas utilizam a ferramenta pois um programa de computador é infinitamente melhor do que um ser humano em procurar pequenas nuances em dados, gráficos e números.
Um novo estudo publicado no periódico Nature Astronomy no final de janeiro descreve esforços com o machine learning na análise de dados em busca da vida inteligente extraterrestre.
O SETI (sigla em inglês para Search for Extraterrestrial Intelligence, ou Busca por Inteligência Extraterrestre) é um projeto internacional que conta com dados coletados por radiotelescópios de todo o mundo. O projeto visa filtrar e analisar sinais de radiação eletromagnética captados pelos radiotelescópios. É possível diferenciar um sinal de caráter artificial de um sinal natural.
O machine learning está abrindo portas para a análise de dados científicos, e isso tende apenas a aumentar. A ferramenta é imprescindível na análise de dados, já que computadores são ótimos na realização de tarefas repetitivas, que podem ser feitas via comandos e na busca por padrões.
“É uma nova era para a pesquisa do SETI que está se abrindo graças à tecnologia de aprendizado de máquina”, diz em um comunicado da Nature Franck Marchis, um astrônomo planetário do Instituto SETI em Mountain View, Califórnia.
Tratamento de dados
Bom, dados os pesquisadores já têm de monte. Há inúmeros radiotelescópios que coletaram dados por anos e mais anos de diversas regiões do céu diferentes.
O problema, na verdade, está na diferenciação dos sinais. Às vezes encontramos sinais comprovadamente de vida inteligente: nós. As interferências causadas por celulares, GPS, transmissões de dados e outros tipos de interferências elétricas.
“O maior desafio para nós na busca de sinais SETI não é neste momento obter os dados”, disse Sofia Sheikh, astrônoma do Instituto SETI. “A parte difícil é diferenciar os sinais da tecnologia humana ou terrestre do tipo de sinais que estaríamos procurando da tecnologia em outro lugar da galáxia”.
Portanto, o maior desafio agora é melhorar o tratamento dos dados que já estão disponíveis para nós.
“Uma tecnoassinatura teorizada são os sinais de rádio à deriva Doppler de banda estreita”, diz a equipe no artigo. “O principal desafio na condução do SETI no domínio do rádio é o desenvolvimento de uma técnica generalizada para rejeitar a interferência de radiofrequência humana”.
Os pesquisadores relatam que o novo método identifica “candidatos de assinatura tecnológica de maneira semi-não supervisionada, mantendo a taxa de falso-positivos gerenciavelmente baixa, reduzindo o número de sinais candidatos em aproximadamente duas ordens de magnitude em comparação com análises anteriores no mesmo conjunto de dados”.
Nosso trabalho também retornou oito promissores sinais de inteligência extraterrestre de interesse não identificados anteriormente”, explica a equipe.
“As re-observações sobre esses alvos até agora não resultaram em re-detecções de sinais com morfologia semelhante. Essa abordagem de aprendizado de máquina se apresenta como uma solução líder na aceleração do SETI e de outras pesquisas transitórias sobre a era da astronomia baseada em dados”.
SETI cidadão: “We are alone in the universe?”
No dia 14 de fevereiro será lançado por membros do SETI da Universidade da Califórnia, em Los Angeles (UCLA) o projeto ‘We are alone in the universe?‘. O projeto de ciência comunitária, ou ciência cidadã, visa trazer a busca por vida inteligente para mais perto do público.
“Ajude-nos a identificar os sinais mais promissores em nossos dados. Você classificará os sinais combinando-os com classes comuns de interferência de radiofrequência (RFI). Suas classificações serão usadas para desenvolver ferramentas de inteligência artificial para acelerar a pesquisa”, diz o site oficial do projeto.
