Una de las grandes dificultades que tienen los científicos espaciales en la actualidad es poder sortear entre todos los datos que van acumulando los diferentes instrumentos que tenemos a disposición para observar más allá de nuestro planeta.
En este sentido, la razón por la que aún no hemos encontrado señales de vida extraterrestre tecnológicamente avanzada podría deberse simplemente a que se han refundido entre un mar de datos. En otras palabras, puede que nuestros instrumentos ya hayan captado señales –aunque aún no existen pruebas definitivas de ello–, pero que, por los ineficientes métodos y algoritmos de la actualidad, las hayamos pasado por alto.
Es por este motivo que el estudiante universitario de la Universidad de Toronto, Peter Ma, junto con el Instituto de Búsqueda de Inteligencia Extraterrestre (SETI), Breakthrough Listen e instituciones de investigación científica de todo el mundo, ha aplicado el aprendizaje automático y la inteligencia artificial a un conjunto de datos previamente estudiado de estrellas cercanas.
Y para sorpresa del investigador, el novedoso método ha dado con el descubrimiento de ocho señales de interés previamente no identificadas, según revela un comunicado de prensa.
Así, según los resultados iniciales de la nueva investigación publicada en Nature Astronomy, existe una ligera posibilidad de que el nuevo método haya desenterrado "tecnofirmas" no terrestres. Eso significaría que se ha alcanzado el objetivo del SETI de encontrar señales de inteligencia extraterrestre. Pero la pregunta persiste: ¿hemos encontrado tales señales?
PRESS RELEASE: https://t.co/crfRvTseVz
— The SETI Institute (@SETIInstitute) January 30, 2023
Will Machine Learning Help Us Find Extraterrestrial Life?
Research has applied a deep learning technique to a previously studied dataset of nearby stars and uncovered eight previously unidentified signals of interest. pic.twitter.com/w97LUch3kB
Futuro prometedor en la búsqueda de señales extraterrestres
La respuesta corta, de momento, sigue siendo un no. No obstante, el nuevo sistema, que identificó 100 veces más patrones en el ruido que merecían ser investigados que los que se habían observado anteriormente, detectó ocho señales suficientemente interesantes como para impulsar observaciones de seguimiento. Y todo ello a partir de una pequeña porción de las grabaciones de los radiotelescopios de la humanidad.
Los datos provienen de 480 horas de observaciones de 820 estrellas realizadas por el radiotelescopio Robert C. Byrd Green Bank, contratado por SETI Breakthrough para buscar ondas de radio que puedan indicar la presencia de civilizaciones extraterrestres.
"En total, habíamos buscado a través de 150 TB de datos de 820 estrellas cercanas, en un conjunto de datos en el que se había buscado previamente en 2017 mediante técnicas clásicas, pero etiquetado como carente de señales interesantes", dijo Ma.
"Estamos escalando este esfuerzo de búsqueda a 1 millón de estrellas hoy con el telescopio MeerKAT y más allá. Creemos que trabajos como este contribuirán a acelerar el ritmo al que somos capaces de hacer descubrimientos en nuestro gran esfuerzo por responder a la pregunta de '¿estamos solos en el universo?'", agregó.
¿Qué hace interesante estas ocho señales?
Según señala el comunicado de prensa del Instituto SETI, el algoritmo de Ma seleccionó específicamente las ocho señales de radio, ya que, entre otros factores, estas son de banda estrecha. Y, según el comunicado, "las señales causadas por fenómenos naturales tienden a ser de banda ancha".
Las señales también mostraban una serie de propiedades que sugieren que no están causadas por interferencias terrestres, como el hecho de que tenían tasas de deriva distintas de cero. En concreto esto significa, según los investigadores, que las señales tenían una pendiente, lo que podría indicar que el origen de una señal tenía cierta aceleración relativa con nuestros receptores, por lo que no era local al radioobservatorio.
Aplicación de modernos métodos de aprendizaje automático
Aunque aún no hemos dado con la gran confirmación de que no estamos solos en el universo, este nuevo enfoque de análisis de datos puede permitir a los investigadores comprender de forma más eficaz los datos que recopilan y actuar con rapidez para reexaminar los objetivos.
"Estos resultados ilustran de forma espectacular el poder de la aplicación de los modernos métodos de aprendizaje automático y visión por ordenador a los retos que plantean los datos en astronomía, lo que se traduce tanto en nuevas detecciones como en un mayor rendimiento. La aplicación de estas técnicas a escala será transformadora para la ciencia de las tecnofirmas de radio", declaró Cherry Ng, otro de los asesores de investigación de Ma y astrónomo tanto del Instituto SETI como del Centro Nacional de Investigación Científica de Francia.