Yapay Zekanın Sürece Katkıları
Yaklaşık 540 milyon yıl önce, Dünya gezegeninin çamurlu okyanus tabanlarından aniden çeşitli yaşam formları ortaya çıkmaya başladı. Bu dönem Kambriyen Patlaması olarak bilinir ve bu su canlıları bizim eski atalarımızdır.
Dünya üzerindeki tüm karmaşık yaşam bu su altı canlılarından evrimleşmiştir. Bilim insanları bunun için tek gereken şeyin okyanus oksijen seviyesinin belli bir eşiğin üzerine çıkması olduğuna inanıyor.
Şu anda yapay zeka (YZ) için bir Kambriyen Patlaması’nın ortasında olabiliriz. Geçtiğimiz birkaç yıl içinde Midjourney, DALL-E 2 ve ChatGPT gibi inanılmaz derecede yetenekli yapay zeka programları, makine öğreniminde kaydettiğimiz hızlı ilerlemeyi gözler önüne serdi.
Yapay zeka artık bilimin neredeyse tüm alanlarında araştırmacılara rutin sınıflandırma görevlerinde yardımcı olmak için kullanılıyor. Ayrıca radyo astronomlarından oluşan ekibimizin dünya dışı yaşam arayışını genişletmesine de yardımcı oluyor ve şimdiye kadarki sonuçlar umut verici.
Yapay Zeka İle Uzaylı Sinyallerini Keşfetmek
Dünya dışında akıllı yaşamın kanıtlarını arayan bilim insanları olarak, sinyal algılama görevlerinde klasik algoritmaları geride bırakan bir yapay zeka sistemi geliştirdik. Yapay zekamız, doğal astrofiziksel süreçler tarafından üretilemeyen sinyalleri radyo teleskoplarından gelen verilerde aramak üzere eğitildi.Yapay zekamızı daha önce çalışılmış bir veri setiyle beslediğimizde, klasik algoritmanın gözden kaçırdığı sekiz ilgi çekici sinyal keşfetti. Açık olmak gerekirse, bu sinyaller muhtemelen dünya dışı zekâdan gelmiyor ve daha çok nadir görülen radyo paraziti vakaları.a
Bununla birlikte, bugün Nature Astronomy’de yayınlanan bulgularımız, yapay zeka tekniklerinin dünya dışı zeka arayışında nasıl sürekli bir rol oynayacağının altını çiziyor.
O Kadar da Akıllı Değil
Yapay zeka algoritmaları “anlamaz” veya “düşünmez”. Örüntü tanıma konusunda mükemmeldirler ve sınıflandırma gibi görevler için son derece yararlı oldukları kanıtlanmıştır – ancak problem çözme yetenekleri yoktur. Sadece yapmak üzere eğitildikleri belirli görevleri yerine getirirler.
Dolayısıyla, bir YZ’nin dünya dışı zekayı tespit etmesi fikri kulağa heyecan verici bir bilim kurgu romanının konusu gibi gelse de, her iki terim de kusurludur: YZ programları zeki değildir ve dünya dışı zeka arayışları zekanın doğrudan kanıtını bulamaz.
Bunun yerine radyo astronomları radyo “teknosinyalleri” ararlar. Bu varsayılan sinyaller, teknolojinin varlığına ve vekaleten, iletişim için teknolojiden yararlanma yeteneğine sahip bir toplumun varlığına işaret edecektir.
Araştırmamız için, sinyalleri radyo paraziti ya da gerçek bir tekno-imza adayı olarak sınıflandırmak üzere yapay zeka yöntemlerini kullanan bir algoritma oluşturduk. Ve algoritmamız umduğumuzdan daha iyi performans gösteriyor.
Yapay Zeka Algoritmamız Ne Yapıyor
Tekno-imza aramaları kozmik bir samanlıkta iğne aramaya benzetilmektedir. Radyo teleskopları büyük hacimlerde veri üretir ve bu verilerin içinde telefonlar, WiFi ve uydular gibi kaynaklardan gelen büyük miktarda parazit bulunur.
Arama algoritmalarının gerçek tekno-imzaları “yanlış pozitiflerden” ayırabilmesi ve bunu hızlı bir şekilde yapabilmesi gerekir. Yapay zeka sınıflandırıcımız bu gereksinimleri karşılıyor.
Toronto Üniversitesi öğrencisi ve makalemizin baş yazarı Peter Ma tarafından geliştirilmiştir. Peter, bir dizi eğitim verisi oluşturmak için gerçek verilere simüle edilmiş sinyaller ekledi ve ardından bu veri kümesini oto kodlayıcı adı verilen bir yapay zeka algoritmasını eğitmek için kullandı. Otomatik kodlayıcı verileri işledikçe, verilerdeki göze çarpan özellikleri tanımlamayı “öğrendi”.
İkinci adımda, bu özellikler rastgele orman sınıflandırıcısı adı verilen bir algoritmaya beslendi. Bu sınıflandırıcı, bir sinyalin kayda değer mi yoksa sadece radyo paraziti mi olduğuna karar vermek için karar ağaçları oluşturur – esasen teknosinyal “iğnelerini” samanlıktan ayırır.
Yapay zeka algoritmamızı eğittikten sonra, Batı Virginia’daki Green Bank Teleskobundan 150 terabayttan fazla veri (480 gözlem saati) besledik. Daha sonra manuel olarak incelemek zorunda kaldığımız 20.515 ilgi çekici sinyal belirledi. Bunlardan sekiz sinyal tekno-imza özelliği taşıyordu ve radyo parazitine atfedilemezdi.
Sekiz Sinyal, Yeniden Tespit Yok
Bu sinyalleri doğrulamak için teleskoba geri döndük ve ilgilendiğimiz sekiz sinyali yeniden gözlemledik. Ne yazık ki, takip gözlemlerimizde hiçbirini yeniden tespit edemedik.
Daha önce de benzer durumlarla karşılaşmıştık. 2020’de zararlı radyo paraziti olduğu ortaya çıkan bir sinyal tespit etmiştik. Bu sekiz yeni adayı izleyecek olsak da, en olası açıklama bunların uzaylılar değil, radyo parazitinin olağandışı tezahürleri olduğudur.
Ne yazık ki radyo paraziti sorunu hiçbir yere gitmiyor. Ancak yeni teknolojiler ortaya çıktıkça bununla başa çıkmak için daha donanımlı olacağız.
Aramayı Daraltma
Ekibimiz kısa süre önce Güney Afrika’daki MeerKAT teleskobuna güçlü bir sinyal işlemcisi yerleştirdi. MeerKAT, 64 çanağını tek bir teleskop gibi hareket edecek şekilde birleştirmek için interferometri adı verilen bir teknik kullanıyor. Bu teknik, bir sinyalin gökyüzünün neresinden geldiğini daha iyi belirleyebiliyor ve bu da radyo parazitinden kaynaklanan yanlış pozitifleri büyük ölçüde azaltacak.
Eğer gökbilimciler parazit olarak açıklanamayacak bir teknosinyal tespit etmeyi başarırlarsa, bu durum insanların galaksideki teknolojinin tek yaratıcısı olmadığını güçlü bir şekilde ortaya koyacaktır. Bu hayal edilebilecek en derin keşiflerden biri olacaktır.
Aynı zamanda, eğer hiçbir şey tespit edemezsek, bu bizim teknolojik olarak yetenekli tek “akıllı” tür olduğumuz anlamına da gelmez. Tespit edememek, doğru türde sinyaller aramadığımız ya da teleskoplarımızın uzak ötegezegenlerden gelen zayıf sinyalleri tespit edecek kadar hassas olmadığı anlamına da gelebilir.
Bir Kambriyen Patlaması keşfi yapılmadan önce bir duyarlılık eşiğini geçmemiz gerekebilir. Alternatif olarak, eğer gerçekten yalnızsak, Dünya’daki yaşamın eşsiz güzelliği ve kırılganlığı üzerine düşünmeliyiz.
Kaynak: https://phys.org/news/2023-01-ai-intelligent-alien-lifeand-weve.html
