もしエイリアンが本当に存在するなら、AIは最終的に彼らを見つけるだろう

この記事は公開アカウント「Reading Core Technique」（ID: AI_Discovery）から転載したものです。

「おい、あれを見て！」と、米海軍のパイロットが驚異的なスピードで飛行するUFOを発見して叫んだ。 2020年4月、米国国防総省は、2004年から2005年にかけて海軍パイロットが撮影したUFOビデオ3本を機密解除した。これらのUFOは非常に速い速度で飛行します。ビデオでは海軍パイロットの叫び声がはっきりと聞こえ、彼らは高速飛行について多少の知識を持っていることが分かります。

「我々はまだその飛行物体が何なのか調査していないが、UFOの存在に頑固に懐疑的な人でも、このビデオを見た後には必ず衝撃を受けるだろう。」

おそらく、地球は宇宙で生命を宿す唯一の天体ではないだろう。私たちの太陽系にある太陽のような恒星の半分以上には、居住可能な惑星がある可能性があります。計算によれば、少なくとも170億個の恒星が居住可能である可能性がある。宇宙はこんなにも広いのに、どうして地球だけが生命を持つ天体なのでしょうか？

人工知能は地球外生命体の探査に長い間利用されてきた

SETI 研究所 (地球外知的生命体探査) などの組織は現在、宇宙からの無線周波数を分析して地球外との通信を探しています。恒星などの磁場を持つ天体は電波を発生することができ、また技術主導の通信も発生することができ、これが SETI が探しているものです。

しかし、なぜ何も得られないのでしょうか? その理由は、検索技術が遅れており、タスク全体の基本的な部分しか完了できないためです。 SETI名誉会長のジル・ターター氏は、検索する必要があるデータの量を地球上の海に例えると、現在の成果はコップ一杯の水に過ぎないと語った。海に魚がいるかどうかを確かめるために、単に海水をコップにすくい上げると、海には魚はいないという結論に達するかもしれません。

人工知能により膨大な量のデータを分析できる

簡単に言えば、AI はコンピューターに学習方法を教えます。この機能により、毎回新しい命令プログラムを設計する必要がなくなるため、非常に強力です。 「人工知能」は、実際には機械学習、コンピュータービジョン、自然言語処理などのテクノロジーの略称です。

機械学習は、宇宙データの分析や知的生命体の探査に最も関連性の高い技術です。機械学習の核心は、大量のデータを分類してデータパターンを取得し、それによって人間には得られない洞察を生み出すことです。

さらに重要なのは、AI によって大規模な運用を自動化できることです。人工知能ツールと最新のコンピューターパワーを組み合わせることで、膨大な量のデータを処理することが可能になります。これは、エンジニアの集団が何十年もかけて達成できる量をはるかに上回ります。人工知能の世界では、宇宙からの電波を聞くのに、部屋中にヘッドフォンをつけた人々がいる必要はありません。基本的に作業全体はコンピューターによって行われます。

SETIのアレン望遠鏡アレイが宇宙人の会話を聴く

アレン望遠鏡アレイの一部

アレン テレスコープ アレイ (ATA) は、地球外との通信の証拠を探すことを唯一の使命とする望遠鏡です。すべての望遠鏡は、その地域の電波が技術的な通信からのものかどうかを判断するために、何光年も離れた惑星系に向けられています。単純に聞こえますが、ATA は非常に強力なので、比較すると他の望遠鏡は子供のおもちゃのように見えます。

2007年、マイクロソフトの共同創業者ポール・アレンの支援を受けて、望遠鏡アレイの一部が統合され、より広い視野を観測できるようになり、アレイはより広い範囲の周波数を捕捉して、より多くのデータを収集できるようになりました。

各望遠鏡からの無線信号は制御室に送信され、1と0にデジタル化され、その後、1つの巨大な望遠鏡と同じくらい効率的に機能するように統合されます。

AIを使って無線周波数を解析する（エイリアンを探すため）

これが人工知能技術を導入する本来の目的です。 ATA によって収集される RF データの連続ストリームは手動で処理するには大きすぎるため、どの無線パターンが異常であるか、または調査する価値があるかを判断するのは困難です。この作業の難しさは、干し草の山から針を探すようなものです。

ニューラルネットワークの簡略図

ニューラル ネットワークは、上記の問題を解決できる機械学習の分野です。ニューラル ネットワークは、より集中的なパターン認識およびタスク分類タスクを実行できます。ニューラル ネットワーク モデルの「処理レイヤー」の数が増えるほど、処理できるタスクは複雑になります。

ATA によって収集された電波データは、ニューラル ネットワーク モデルに入力され、分析されます。このモデルは、電波の膨大な「ノイズ」から通信「信号」を識別しようとします。これは銀河レベルでのパターン認識です。電波の反復的かつ構造化されたパターンは通信を意味する可能性があります。言い換えれば、このモデルは異常な現象を探すように設計されています。

ニューラル ネットワーク モデルは、信号とノイズを分離しようとします。

ニューラル ネットワークは、まず、夜空の小さな領域における無線周波数を研究することによって「学習」します。この小さなデータセットから、「通常」の音がどのようなものか学習できます。これは、より大きな RF データ セット内のバックグラウンド信号をフィルタリングするために使用され、一部の「異常な」繰り返し信号またはパターンだけが残ります。これらの残っている光点は、さらなる研究のために人間のエンジニアに送られる可能性のある地球外通信を表している可能性があります。

しかし、これらの光点は必ずしも地球外との通信の存在を証明するものではありません。モデルが認識できないランダムなパターンである可能性があります。時間が経つにつれて、モデルがこれを学習すると、より効率的に動作するようになります。

ニューラル ネットワークの利点は、システムに「正常」とは何かを伝えるためのコードを書く必要がないことです。代わりに、システムにデータを分類して保存するように指示し、通常のパターンまたは異常な状況を識別するだけで済みます。実際、他の業界でも同様のニューラル ネットワーク モデルがすでに適用されています。たとえば、銀行は詐欺やマネーロンダリングなどの異常を検出するために同様のモデルを使用しています。

天文学におけるその他のAIの活用例

NASAは、自動運転車で使用されているのと同じ人工知能の手法が、地球に衝突する可能性のある小惑星を検出し、地球に似た惑星（太陽系外惑星）の居住に適した条件を特定するために、近い将来使用される可能性があると述べている。

NASA のフロンティア開発研究所 (FDL) の機械学習ソフトウェアは、近くの小惑星の 3D モデルを作成できるだけでなく、これらの惑星のサイズ、形状、自転速度を正確に推定することもできます。この種の情報を迅速に計算することは、地球に脅威を与える小惑星を特定するために（そして将来的にその軌道を変更するために）非常に重要です。

従来のソフトウェア技術を使用すると、天文学者は小惑星を分析するのに 1 ～ 3 か月かかります。現在、機械学習アルゴリズムはわずか 4 日間で小惑星のレンダリングを作成できます。

近い将来、ニューラル ネットワークは人類が居住可能な太陽系外惑星を迅速に特定するのに役立つようになるかもしれません。現在、研究では望遠鏡のデータを使用して、太陽系外惑星の大気中の分子が光波を吸収または放出するプロセスを分析しています。この分析により、大気中に酸素が含まれているかどうかなど、惑星の化学組成に関する情報が明らかになります。

これまでに何千もの太陽系外惑星が発見されていますが、まだ初期段階です。 「最も居住可能な」惑星をできるだけ早く見つけることは、努力と資源を集中させ、干し草の山から針を探すようなことを避けるのに役立ちます。

FDL チームは Google Cloud と協力し、2008 年に発見された太陽系外惑星 WASP-12b の大気組成を分析するためのニューラル ネットワーク モデルを開発しました。ニューラル ネットワークは基本的な機械学習技術よりも優れており、予測の確実性を評価することさえできます。この重要な機能は、人々がこれらの新しいモデルに信頼を築くのに役立ちます。

未来

なぜ人工知能技術の応用を地球に限定するのでしょうか? 宇宙船に人工知能ソフトウェアをインストールすることで、宇宙飛行士は宇宙空間でリアルタイムの判断を下し、データを地球に送信する時間を短縮できます。もし私たちがスタートレックの窮地に陥っていたら、地球からの確認を待っている間に宇宙船が崩壊するのではなく、宇宙人と思われる人物とすぐに連絡を取ることを望むだろう。

人工知能は地球上のデータ処理の規模も拡大するでしょう。 NASA は 15 秒ごとに 2GB のデータを収集していると伝えられており、従来の方法ではそのうちのごく一部しか処理できません。人工知能は、面倒で時間のかかるデータ処理タスクを自動化できるため、科学者はこれらのタスクから解放され、最先端の研究に専念できるようになります。

人間の科学者が近いうちに AI に取って代わられることはないだろう。なぜなら、AI の技術は現在、強力な計算能力を狭い範囲の機械的なタスクに適用する傾向があり、知能を必要とするタスクは人間の領域のままだからだ。

同時に、AIによって生成された結果を慎重に検証する必要があります。科学者たちは、小惑星が地球に接近していると発表した後で、人工知能モデルが間違っていたことに気づくようなことは絶対に望んでいないはずだ。