研究人员正在银河系之外寻找先进的外星文明

2015年，俄罗斯亿万富翁尤里·米尔纳宣布投资1亿美元，启动为期10年的“突破聆听”项目，这是迄今为止规模最大的搜寻地外文明（SETI）计划。该项目旨在利用全球最大的射电望远镜，对100万颗恒星进行观测，寻找可能存在的智慧生命迹象。

机器学习助力SETI项目筛选海量数据

随着观测范围的扩大，SETI研究面临着前所未有的大数据挑战。传统的搜索方法受限于数据量少，而“突破聆听”项目产生了海量数据，包括来自地球的各种干扰信号。如何从这些庞杂的数据中筛选出可能的外星信号，成为SETI研究的关键问题。

机器学习技术的引入为SETI研究带来了新的希望。加拿大多伦多大学的数学家和物理学家彼得·马（Peter Ma）领导的研究团队开发了一种机器学习算法，用于分析“突破聆听”项目收集的数据。这种算法能够学习识别地球干扰信号的特征，从而有效滤除噪声。

马表示：“我们不总能预计地外文明会发什么给我们。”机器学习算法的优势在于，它不仅能识别已知模式的信号，还能捕捉到与传统模式不符的潜在信号，这些信号可能被传统方法忽视。

SETI研究首次利用AI筛选外星信号

研究团队利用位于美国西弗吉尼亚州的绿岸射电望远镜，对820颗恒星进行了观测。他们开发的机器学习软件从近300万个感兴趣的信号中筛选出约2万个候选信号。经过进一步的人工审查，最终锁定了8个有趣的候选信号。

然而，当研究团队再次监听这些信号时，它们都消失了。尽管如此，这项研究仍然具有重要意义。它证明了机器学习技术在SETI研究中的潜力，为未来的搜索提供了新的方法。

AI技术为SETI研究开辟新前景

机器学习技术的应用不仅限于数据分析。加州大学洛杉矶分校的天文学家启动了一项社区科学项目，邀请公众志愿者对无线电信号图像进行分类，以训练机器学习算法。这表明人工智能正在成为SETI研究的重要工具。

加州大学伯克利分校的SETI科学家丹·魏茨莫（Dan Werthimer）指出，机器学习也有助于对观测目标进行优先级排序。他的团队正在利用这项技术，为使用中国500米口径FAST射电望远镜的SETI项目选择观测目标。

尽管如此，SETI研究所的天文学家索菲亚·谢赫（Sofia Sheikh）强调，机器学习并不是万能的。她说：“对我们来说，寻找SETI信号时最大的挑战不是获得数据，而是区分人类或地球技术的信号与从银河系其他地方找到的信号。”

随着技术的进步，SETI研究正在进入一个新的时代。机器学习和人工智能的应用不仅提高了数据处理能力，还为发现潜在的外星信号开辟了新的可能性。虽然目前还没有确凿的发现，但这些创新方法无疑将推动人类对宇宙奥秘的探索更进一步。