Un equipo de científicos, dirigido por investigadores de la Universidad de Toronto, ha simplificado la búsqueda de vida extraterrestre mediante el uso de un nuevo algoritmo que organiza los datos de los telescopios en categorías, con el fin de identificar las señales de radio reales de las interferencias.
Este nuevo enfoque, que se basa en el aprendizaje automático, permite a los investigadores clasificar la información de forma más eficiente y encontrar patrones con mayor rapidez.
IA para la identificación de señales de radio extraterrestres
Desde hace décadas, los astrónomos que trabajan en SETI (acrónimo de search for extra terrestrial intelligence, búsqueda de inteligencia extraterrestre) utilizan radiotelescopios para buscar «firmas tecnológicas» o señales de radio generadas por tecnología extraterrestre en miles de estrellas y galaxias.
Esta búsqueda se basa en la premisa de que una civilización extraterrestre avanzada sería capaz de emitir señales detectables. Sin embargo, las interferencias provocadas por las tecnologías de telecomunicaciones utilizadas en la Tierra, tales como las señales de de los teléfonos móviles y las emisiones de estaciones de radio y televisión, aún implican desafíos importantes, incluso en áreas donde la interferencia es mínima.
«En muchas de nuestras observaciones, hay mucha interferencia», comentó Peter Ma, un estudiante universitario de matemáticas y física en la Universidad de Toronto, Canadá, y autor principal de un nuevo artículo de investigación publicado en Nature Astronomy que describe la técnica. “Necesitamos distinguir las emocionantes señales de radio en el espacio de las señales de radio sin interés de la Tierra”, agregó.
El equipo de SETI involucrado en este proyecto, ha entrenado su inteligencia artificial para diferenciar entre señales extraterrestres y interferencias humanas al simular señales de ambos tipos. Después de comparar diferentes algoritmos de aprendizaje automático, identificaron un algoritmo poderoso.
Este algoritmo, desarrollado por Ma, condujo al descubrimiento de ocho nuevas señales de radio, que eventualmente podrían ser transmisiones de inteligencia extraterrestre. Estas señales provienen de cinco estrellas situadas entre 30 y 90 años luz de la Tierra, siendo pasadas por alto en análisis previos en los que no se utilizó aprendizaje automático.
Estas señales, consideradas relevantes por el equipo de SETI, captaron la atención de los investigadores porque aparecen cuando se mira hacia la estrella, desaparecen cuando se mira en otra dirección y cambian frecuencias con el tiempo. No obstante, es posible que estas características se presenten casualmente en un conjunto de datos con millones de señales.
A pesar de aparecer como potenciales señales extraterrestres, los investigadores todavía no están convencidos de que lo sean. Para llegar a una determinación, requieren más observaciones y análisis antes de llegar a una conclusión definitiva. La realización de breves observaciones de seguimiento con el radiotelescopio de Green Bank, ubicado en Virginia Occidental, no arrojó resultados que sugieran señales extraterrestres.
El algoritmo desarrollado por Ma combina dos tipos de aprendizaje automático: aprendizaje supervisado y no supervisado. Este «aprendizaje semi-no supervisado» permite guiar y entrenar el algoritmo con técnicas supervisadas, mientras descubre patrones ocultos en los datos con técnicas no supervisadas. La idea surgió en una clase de informática en la escuela secundaria, pero fue considerada confusa por los maestros en una primera instancia.
La investigadora asociada en el Instituto Dunlap de Astronomía y Astrofísica de la Universidad de Toronto, Cherry Ng, es la segunda autora del artículo y ha estado trabajando en este proyecto con Ma desde 2020. Ng estima que el aprendizaje automático es fundamental en la era de la astronomía de big data y ha quedado impresionada por su éxito en la búsqueda de inteligencia extraterrestre.
El equipo de SETI espera ampliar su algoritmo y aplicarlo a más datos y observatorios, y utilizar telescopios de alta tecnología para poner a prueba esta técnica, con la que esperan buscar señales extraterrestres en millones de estrellas en lugar de sólo cientos.