一份新的报告提出了一种现代的寻找外星人的方法，呼吁更好地利用大数据和机器学习技术。

一组具有影响力的研究人员正在就如何在天空中寻找外星社会的迹象提出新的看法。他们认为当前的方法可能受到人类中心主义思维的偏见影响，现在是时候利用数据驱动和机器学习技术了。

这组由22名科学家组成的团队在8月30日发布了一份新报告，认为该领域需要更好地利用新的和未充分利用的工具，即来自望远镜调查的巨大目录，以及可以挖掘这些目录的计算机算法，以发现可能未被注意到的天文异常。也许某个异常将指向一个天体或现象，其起源是人工的，也就是外星的。例如，一个世界大气层中的氯氟碳化合物和氮氧化物可能是工业污染的迹象，如烟雾。或者科学家们有朝一日可能检测到一个戴森球围绕恒星发出的废热辐射的迹象——一个假设中的巨大球壳，外星文明可能会围绕恒星建造它来利用其太阳能。

报告的主要作者之一、加州理工大学天文学家乔治·乔戈夫斯基说:“我们现在有来自各个波段的天空调查的大量数据集，一次又一次地反复覆盖整个天空。” “我们以前从未拥有过这么多关于天空的信息，而且我们有工具来探索它。特别是，机器学习为我们提供了发现可能不太引人注目但在某种程度上通过不同的颜色或时间行为脱颖而出的源的机会。” 例如，这可能包括闪烁的天体，或在某些波段异常明亮的天体，或者移动异常快速或以无法解释的方式运行轨道的天体。

当然，大多数时候，数据的异常结果往往有普通的解释，比如仪器错误。有时它们确实揭示了新发现，但更多的是天文学意义上的，比如以前没有见过的变星、类星体或超新星爆炸的类型。这些科学家认为，这是这种方法的一个关键优势:不管发生什么，他们总能学到东西。报告引用天体物理学家弗里曼·戴森的话:“每一次寻找外星文明的尝试都应该计划好，即使没有发现外星人也能得到有趣的结果。”

该项目起源于2019年在加州帕萨迪纳加州理工学院凯克空间研究所举办的一个重要工作坊，参与者主要来自加州理工学院和美国航空航天局喷气推进实验室的天文学家和行星科学家，以及少数其他人，如宾夕法尼亚州立大学系外行星中心的杰森·赖特和海豚交流专家丹尼斯·赫赞。赫赞由于她在非人语言方面的专业知识而被选中。

寻找外星技术迹象与更广泛意义上的寻找可能适居行星的天体生物学相关但有所不同。天体生物学家寻找生命所必需的元素迹象，比如液态表面水和含有氧、二氧化碳、甲烷或臭氧化学签名的大气。他们的搜索通常包括寻找非常简单的生命形式的证据，如细菌、藻类或耐涅槛鲎。詹姆斯-韦伯空间望远镜通过使天文学家能够对行星大气进行光谱学分析并揭示像K2-18 b和GJ 486 b这样的有前途的世界，在这方面给天体生物学家带来了进展，前者具有甲烷和二氧化碳，后者似乎具有水蒸气。

技术迹象的搜索也不同于可能由高级外星文明无意中或有意寻求联系而发送的无线电信号的搜索。这种搜寻地外智能生命的搜索，也称为SETI，通常需要使用专用的射电望远镜，如艾伦望远镜阵列和绿银高科天文台，在一系列频率扫描天空的部分区域。

但乔戈夫斯基和他的一些同事担心这类搜寻存在偏见，比如对外星人可能的样子、他们可能发展出的技术、他们可能殖民行星的方式以及他们的文明可能发出的信号等的预设观念。他们指出，其他生命形式可能不具有碳和水的化学基础，并可能使用我们不熟悉的技术。他说:“在过去，搜寻地外智能生命更专注于无线电。我个人对此持怀疑态度，因为它基本上做了这样一个假设:一个先进的文明想要发送信号，并会使用20世纪中期地球的技术，以一种我们可以理解的方式发送。” 作为例子，他提到20世纪初，当《世界大战》和其他虚构作品激发了对火星人的猜测时，发明家尼古拉·特斯拉、托马斯·爱迪生和古列尔莫·马可尼都认为他们检测到了来自火星的信号——但事实证明那是低频无线电噪声，无法穿透地球的大气。

其他人对无线电SETI则持更坦然的态度。索菲亚·谢赫表示，这种研究应被视为对较新的数据驱动方法的补充，而不是竞争对手。谢赫是该报告的合著者，也是位于加利福尼亚山景市SETI研究所的天文学家。她说:“我认为它在该领域仍然有非常重要的地位，因为天空很大。我们通过猜测哪些地方可能更有可能找到证据的任何方式来提高我们的机会，这是值得的。”

谢赫将这份报告描述为一个有用的资源，可以帮助研究人员朝共同目标努力，这样当他们需要深入不熟悉的数据集或编写自己的异常检测算法时，他们就不必重新发明轮子。在过去十年中，她和其他天文学家已经利用了来自美国宇航局开普勒和泰斯空间望远镜、欧洲空间局盖亚号以及国家科学基金会资助的兹维克瞬变设备的光学和红外数据目录。他们也期待在智利北部建造的维拉·鲁宾天文台，它将积累约100亿好的，他们也期待在智利北部建造的维拉·鲁宾天文台，它将积累约100亿颗银河星系中的星星和数百万个太阳系天体的数据。

以前的天体调查着重于尝试映射天空，同时包括尽可能暗淡的天体。 但近年来许多这些努力是向所谓的“时域调查”转变的一部分，天文学家在其中多次映射同一天区，以观察随时间变化的变化。 “如果你用望远镜再回来，你会发现天空不是静止的，不是静态的。事物会脉动、摆动、振荡，”不参与该报告的华盛顿大学天文学家詹姆斯·达文波特说。 他说，进行重复测量可以产生关键数据。 “许多事物每分每秒、每小时、每年都在改变。”

达文波特同意报告作者的观点，即基于数据的技术，包括反复调查天空的数据，在宇宙海量信息中寻找外星文明殖民的另一个世界时将大有帮助。 这些技术可以包括研究遥远天体的光变曲线，看它们的行为是否与预期不同，或研究我们自己太阳系中的天体的轨道参数，因为其中一些可能不是起源于这里。 机器学习工具包括“无监督学习”，其中计算机算法分析诸如星星或类星体在特定波长的亮度等参数，并可以识别统计异常值。

很难知道哪些异常最终会被证明有趣，或者甚至会揭示外星技术的迹象。 例如，在2017年，一个名为Oumuamua的雪茄形天体，看起来像小行星或彗星，在我们的太阳系中高速穿过。 当哈佛天体物理学家阿维·洛埃布认为它奇怪的加速轨道可以用它是外星飞船来解释时，争议随之而来。 今年3月的新研究证明，这个星际入侵者实际上是一颗彗星，尽管是一颗奇怪的彗星，没有尾巴，并由喷射出的氢气加速。 Oumuamua确实是一个导致有趣科学的异常值，基于数据的研究可能会发现更多这样的天体。

这份新的技术迹象报告本身并没有太多代表该领域的转变，而是显示了它是如何发展和吸收不同观点和专业知识的科学家的，没有参与该项目的乔治·梅森大学计算社会科学家阿纳玛丽亚·贝雷亚说。 她说，值得使用新工具探索之前为其他目的收集的数据集，希望找到那些有趣的异常值。 “十年、二十年前，我们还没有爆炸式增长的人工智能和计算技术，”她说。 “现在它们也可以用于存档数据。”

技术迹象是热门的研究课题，但它们仍然只占一个缺乏稳定资金的小领域。 贝雷亚希望基于数据驱动方法的配套科学——从不是真正外星人的异常中学习——会提升该领域，并使其更具合法性。 与此同时，这份新论文背后的团队将继续探索人类最深刻的问题之一:我们是否孤独地存在于宇宙中。

本文译自 WIRED，由 BALI 编辑发布。

赞一个 (2)

PREV : 如果AI有意识，会像人类对待动物一样对待人类
NEXT : 盐水太妃糖的物理学