Астрономы стремятся найти признаки жизни или следы ее существования на других планетах, однако задача остается сложной, поскольку нет универсальных химических биосигнатур, на которые можно было бы положиться. В будущем, на миссиях по исследованию космоса, искусственный интеллект (AI) будет играть важную роль в обнаружении молекул, способных к саморепликации. Но новый исследовательский проект демонстрирует, что методы обнаружения жизни с помощью AI могут оказаться подвержены значительным ошибкам.
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ПАТТЕРН РЕКОГНИЦИЯ
Человечество обладает множеством когнитивных инструментов, одним из которых является распознавание шаблонов. Это позволяет быстро реагировать на угрозы и, в более тщательном изучении, находить закономерности в больших объемах данных. Однако у этой способности, как и у искусственного интеллекта, есть свои ограничения. Например, эффект парейдолии — это когда мы видим лица в облаках или камнях, где их нет. Подобные ошибки могут возникать и у AI при попытке распознать жизнь.
В исследовании под названием «Может ли AI обнаружить жизнь? Уроки из искусственной жизни», которое будет представлено на Конференции по искусственной жизни в 2026 году, ученые демонстрируют, как легко может быть обманут AI при поиске жизни на других планетах. Авторы работы, Анкит Гупта и Кристоф Адами из Мичиганского государственного университета, утверждают, что современные алгоритмы машинного обучения могут с высокой степенью уверенности ошибочно классифицировать молекулы.
ОШИБКИ В ИСПОЛЬЗУЕМЫХ ДАННЫХ
Искусственные нейронные сети обучаются на определенных данных, обладающих внутренними распределениями. Например, система, созданная для распознавания собак и кошек, может сбиться с толку при появлении лошади, так как это молекулы «вне распределения». В результате, когда AI занимается дифференциацией живых и неживых объектов на молекулярном уровне, он может легко ошибиться.
Так как образцы экзопланетной жизни очень вероятно окажутся вне этих матриц, ожидается, что методы AI по обнаружению жизни будут выдавать много ложных срабатываний. Это может привести к тому, что AI, обученный на данных с Земли, будет заявлять о наличии жизни в неживых образцах.
ИСПОЛЬЗОВАНИЕ ПЛАТФОРМЫ AVIDA
Исследование основывается на использовании платформы Avida Digital Evolution Platform, на которой создаются цифровые организмы — самореплицирующиеся компьютерные программы, способные мутировать и конкурировать за ресурсы. Исследователи создали десятки тысяч цифровых организмов и обучили свою нейросеть различать живые и неживые молекулы. На первом этапе нейронная сеть достигла точности в 99,7%.
Затем исследователи начали вводить молекулы, которые не были частью обучающего набора. «Мы смогли обмануть AI 100% случаев, пока меняли части кода,» — отметил Гупта. В результате, даже не способные к саморепликации молекулы были идентифицированы как живые.
РЕАЛЬНЫЕ ПОСЛЕДСТВИЯ ДЛЯ КОСМИЧЕСКИХ МИССИЙ
Сложность задачи возрастает при представлении AI в условиях реальных космических миссий, таких как Perseverance, который собирает образцы на Марсе. Нельзя исключать, что AI заявит о наличии жизни на основе заведомо неживых образцов, вызывая общественное волнение.
«AI имеет ахиллесову пяту,» — подчеркивает Адами, — «он может увидеть шаблон и полностью ошибочно его классифицировать.» Учитывая риски фальшивых признаков, необходимо задействовать человечество для проверки работы AI, что усложняет реализацию на миссиях.
Каждый ложный положительный результат может создать огромные проблемы для общественного мнения о астробиологии и доверии к будущим космическим исследованиям. Следующим шагом для исследовательской группы будет обучение AI на реальных данных, чтобы проанализировать, как легко можно будет его обмануть в реальных условиях.
Не забудьте подписаться на наши каналы Дзен, Telegram и ВК.
Мы всегда рады видеть вас среди наших читателей и подписчиков SpaceDiscover!
