L’IA guarda alle stelle alla ricerca di vita aliena


Qualche giorno fa Nature pubblicava un articolo riguardante l’aiuto che potrà fornire l’Intelligenza Artificiale in campo astronomico, pur non senza rischi. A distanza di qualche giorno, sempre su Nature, ci si interroga sulle capacità dell’IA di trovare vita aliena al di fuori del sistema solare. Ma come? Attraverso il progetto SETI, l’apprendimento automatico e gli astronomi, oltre ai telescopi sparsi per tutto il globo. Ecco come.

Il progetto SETI e l’apprendimento automatico

Sparsi per il mondo vi sono grandi telescopi in grado di rilevare una quantità di dati enorme. Alcuni di questi sono impiegato nel “SETI” (la ricerca di intelligenza extraterrestre) ovvero lo sforzo impiegato dalla comunità scientifica per trovare segnali di radiazioni elettromagnetiche dall’aspetto artificiale, le quali potrebbero arrivare da una civiltà tecnologicamente avanzata al di fuori del nostro sistema solare. In un recentissimo studio è stato descritto che uno degli strumenti impiegabili in tal senso sono algoritmi di più intelligenze artificiali, con l’apprendimento automatico. In questo modo gli astronomi potranno setacciare più velocemente una mole di dati ragguardevole.

La mole di dati è un problema recente per il progetto SETI. Per decenni infatti i dati rilevati erano pochi o trascurabili. Frank Drake, pioniere del SETI nel 1960, puntò un telescopio in West Virginia verso due stelle, ascoltandone le trasmissioni radio. In genere molte delle ricerche sono sempre state limitate a un numero contenuto di stelle. Tuttavia nel 2015 il miliardario Yuri Milner ha finanziato in California il programma SETI più grande e ambizioso di sempre, il progetto Breakthrough Listen. Il progetto ha il compito di cercare segni di vita in un milione di stelle, attraverso telescopi posizionati in West Virginia, Australia e Sud Africa.

Le differenze tra ieri e oggi

Ma a differenza di quanto accadeva sessanta anni fa, i dati rilevati prevedono molti falsi positivi prodotti dall’interferenza terrestre provocata da sistemi GPS e altri aspetti della vita moderna, come gli stessi smartphone. Il compito più arduo allo stato attuale per gli scienziati, non è ottenere dati, ma differenziare i segnali umani da quelli extraterrestri. Ecco dunque che interviene l’apprendimento automatico, in grado di essere addestrato su mole di dati enormi per imparare a riconoscere le caratteristiche delle interferenze terrestri e filtrarle. Non solo. I nuovi algoritmi potrebbero anche raccogliere segnali potenzialmente interessanti che sono sfuggiti a metodi precedenti.

Un matematico e fisico dell’Università di Toronto, Peter Ma, insieme ai suoi colleghi ha sviluppato un software di apprendimento automatico utile ad analizzare i dati prelevati da un telescopio di 100 metri che ha passato al setaccio 820 stelle del progetto Breakthrough Listen. L’IA ha raccolto 3 milioni di segnali interessanti, ma sono perlopiù stati scartati come interferenze terrestri. Lo scienziato ha poi estratto manualmente 20.000 segnali, restringendo il campo a 8 candidati interessanti. Tuttavia i segnali sono spariti quando il team ha cercato di captarli nuovamente. Ma il metodo utilizzato dal team potrà essere usato su altri dati, ad esempio su quelli prelevati dai 64 radiotelescopi presenti in Sudafrica, impiegati da Breakthrough Listen a dicembre. Oppure sui dati prelevati in passato e archiviati.

Il futuro dell’IA nell’astronomia

Tra due settimane l’apprendimento automatico sarà al centro di un nuovo lavoro utile alla ricerca SETI. Infatti gli astronomi dell’Università della California (UCLA) lanceranno un progetto scientifico comunitario. Qui alcuni volontari selezioneranno le immagini dei segnali radio, per essere classificati come potenziali tipi di interferenza, al fine di addestrare il software per cercare dati SETI da Green Bank, un telescopio situato in West Virginia. Tuttavia l’IA non è ancora in grado di fare tutto quanto. Infatti gli approcci classici saranno comunque utilizzati in combinazione con l’apprendimento automatico, al fine di ordinare i dati. I vecchi algoritmi infatti rimangono ancora tra i migliori metodi per raccogliere segnali interessanti.

Segui Smartphonology su YouTube!

Giornalista pubblicista, SEO Specialist, fotografo. Da sempre appassionato di tecnologia, lavoro nell'editoria dal 2010, prima come fotografo e fotoreporter, infine come giornalista. Ho scritto per PC Professionale, SportEconomy e Corriere della Sera, oltre ovviamente a Smartphonology.