Новый метод машинного обучения может различать биологические и небиологические образцы с точностью 90%. Но как именно – загадка.
Ученые, создавшие новый алгоритм машинного обучения, говорят, что он учился на живых клетках, окаменевших остатках, метеоритах и изготовленных в лаборатории химических веществах, и уже готов к «немедленному» использованию. Искусственный интеллект будет искать признаки жизни на Марсе, анализируя данные, собранные марсоходом Curiosity, а также потенциально сможет определять происхождение таинственных и древних камней, найденных на Земле.
Команда опубликовала свои выводы 25 сентября в журнале PNAS.
«Эти результаты означают, что мы можем найти форму жизни с другой планеты, из другой биосферы, даже если она сильно отличается от жизни, которую мы знаем на Земле. И если мы ее найдем, то сможем сказать, имеет ли жизнь на нашей и других планетах общее происхождение», — говорит соавтор исследования Роберт Хейзен, астробиолог из Института Карнеги.
Ученые уже знают, что смешивание химических веществ и поддержание их при температурах первобытных морей может генерировать органические молекулы, такие как аминокислоты (строительные блоки белка, которые являются фундаментальными для жизни). Они также обнаружили доказательства присутствия этих строительных блоков на метеоритах и даже на далеком астероиде.
«Это большое дело, потому что относительно легко обнаружить молекулярные биомаркеры жизни на Земле, но мы не можем предположить, что инопланетная жизнь будет использовать ДНК, аминокислоты и т.д. Наш метод ищет закономерности в молекулярном распределении, возникающие из-за спроса жизни на «функциональные молекулы», — добавляют ученые.
Но если охотники за инопланетянами хотят доказать, что нашли жизнь за пределами Земли, они должны ответить на простой вопрос: как мы узнаем, имеют ли вещи, которые мы находим, биологическое происхождение, или они образовались в результате космической химии? Поскольку органические молекулы имеют тенденцию разлагаться со временем, человек затрудняется ответить на этот вопрос самостоятельно. Так что исследователи взялись за создание алгоритма машинного обучения, который мог бы в этом помочь.
Ученые начали с использования метода, уже применявшегося на космических кораблях NASA: пиролиза или разложения органических соединений без кислорода. Полученные части затем упорядочивают с помощью техники, называемой хроматографией, прежде чем их атомы транскрибируются в данные с помощью масс-спектроскопии.
Получив данные из 134 богатых углеродом образцов известного происхождения, алгоритм машинного обучения различал продукты недавней и древней жизни (такие, как раковины, зубы, кости, уголь и янтарь) и органические соединения абиотического происхождения (такие, как лабораторные аминокислоты) с точностью 90%.
Системы искусственного интеллекта — это в основном «черные ящики», которые рассматриваются только с точки зрения их входящих и исходящих данных, поэтому исследователи не совсем уверены в процессах, которые их система проходит, чтобы дать свои ответы. Но они сказали, что это важное доказательство того, что химия жизни придерживается иных фундаментальных правил, чем в неодушевленном мире.
«Новое исследование имеет три важных вывода. Во-первых, на каком-то глубоком уровне биохимия отличается от абиотической органической химии; во-вторых, мы можем смотреть на образцы Марса и древней Земли, чтобы понять, были ли они когда-нибудь живыми; и, в-третьих, вполне вероятно, что этот новый метод сможет отличить альтернативные биосферы от биосфер Земли, что приведет к значительным последствиям для будущих астробиологических миссий», — сказал в заявлении соавтор исследования Джим Кливз, химик из Института Карнеги.
Источник: livescience
Favbet Tech – это IT-компания со 100% украинской ДНК, которая создает совершенные сервисы для iGaming и Betting с использованием передовых технологий и предоставляет доступ к ним. Favbet Tech разрабатывает инновационное программное обеспечение через сложную многокомпонентную платформу, способную выдерживать огромные нагрузки и создавать уникальный опыт для игроков. IT-компания входит в группу компаний FAVBET.