Una inteligencia artificial podría ser la primera en encontrar señales extraterrestres

En este terreno, sin embargo, los científicos llevan ya largos años de delantera, y desde hace por lo menos una década vienen entrenando a inteligencias artificiales para que puedan cumplir, en segundos, tareas que a un humano le llevarían semanas o meses de esfuerzo y dedicación. La lista de aplicaciones es interminable, desde el desarrollo de nuevos materiales a la búsqueda de medicamentos, la mejor gestión de las listas de espera, la identificación de exoplanetas pasados por alto por los astrónomos, la predicción de pandemias, la optimización de riegos, etc. etc.

Y ahora, el Instituto SETI, que desde los pasados años 60 dedica sus esfuerzos a buscar 'ahí fuera' señales de otras civilizaciones inteligentes, acaba de implementar una serie de algoritmos de aprendizaje automático, uno de los subconjuntos de la IA, capaces de filtrar las interferencias producidas por señales terrestres y detectar, al mismo tiempo, señales espaciales que los humanos habrían podido pasar por alto en sus análisis. A partir de ahora, la IA ayudará a los investigadores humanos a filtrar rápidamente los enormes conjuntos de datos que arrojan sus búsquedas y, quizá, a encontrar lo que andan buscando. El trabajo se acaba de publicar en 'Nature Astronomy'.

Desde hace décadas, algunos de los radiotelescopios más grandes del mundo permanecen a la escucha de posibles señales procedentes de inteligencias alienígenas lejanas. Esas señales de radio deberían ser distinguibles de las que muchas estrellas y galaxias emiten de forma natural, así como del 'ruido' emitido por nosotros mismos, dando así pistas sobre alguna civilización tecnológicamente avanzada en algún sistema solar distante. Una tarea que, sin embargo, requiere analizar cantidades ingentes de datos durante meses enteros en busca de la ansiada señal. Pero la aplicación de la IA, según afirma el astrónomo planetario Franck Marchis, «abre una nueva era para la investigación del SETI».

El manejo de grandes cantidades de datos (Big Data) es algo relativamente nuevo para SETI, cuyo campo de estudio ha estado, durante décadas, muy limitado precisamente por disponer de muy pocos datos. Pero en 2015 todo cambió. Ese año, en efecto, el multimillonario Yuri Milner financió el mayor programa SETI de toda su historia: el proyecto Breakthrough Listen para buscar señales de vida inteligente en un millón de estrellas. Usando telescopios en Virginia, Australia y Sudáfrica, el proyecto busca emisiones de radio que provienen de la dirección de una estrella y que cambian constantemente en frecuencia, como sucedería si un transmisor alienígena estuviera en un planeta que se mueve con respecto a la Tierra.

El problema fue que las nuevas búsquedas arrojan una enorme cantidad de datos, incluidos los falsos positivos producidos por la interferencia 'terrestre' de teléfonos móviles, GPS y otras tecnologías modernas. «El mayor desafío para nosotros en la búsqueda de señales inteligentes -explica Sofia Sheikh, astrónoma del Instituto SETI- no es en este momento obtener los datos. La parte difícil es diferenciar las señales de la tecnología humana o de la Tierra del tipo de señales tecnológicas que estaríamos buscando en algún otro lugar de la Galaxia«.

Desde luego, revisar una por una millones de observaciones diferentes no es algo que resulte práctico. De modo que los investigadores utilizan desde hace años una serie de algoritmos que buscan señales que coincidan con lo que los astrónomos creen que podrían ser señales de alguna baliza extraterrestre. Pero es fácil que esos mismos algoritmos pasen por alto señales potencialmente interesantes pero ligeramente distintas de las que esperan los astrónomos.

Los algoritmos de aprendizaje automático no son tan descuidados, y son capaces, además de filtrar rápidamente el 'ruido terrestre', de detectar señales extraterrestres que, en principio, no entrarían en las categorías convencionales y que pueden, por lo tanto, ser pasadas por alto. Según Peter Ma, autor principal del artículo, «no siempre podemos estar anticipando lo que ET podría enviarnos».

Ma y sus colegas analizaron las observaciones de Breakthrough Listen de 820 estrellas. Construyeron un software de aprendizaje automático para analizar los datos, obtenidos de casi tres millones de señales de interés, pero descartaron la mayoría como interferencias basadas en la Tierra. Luego, Ma revisó manualmente alrededor de 20.000 señales y las redujo a 8 candidatos intrigantes.

La búsqueda finalmente resultó vacía: las ocho señales desaparecieron la segunda vez que el equipo escuchó. Pero los métodos podrían usarse en otros datos, como una avalancha de observaciones del conjunto MeerKAT de 64 radiotelescopios en Sudáfrica, que Breakthrough Listen comenzó a usar en diciembre. Según Ma, los algoritmos de aprendizaje automático también podrían usarse en datos SETI archivados, para buscar señales que anteriormente podrían haberse pasado por alto.

Pero la IA también está en el centro de otro proyecto, que SETI lanzará en apenas unos días, el 14 de febrero. Se trata de un esfuerzo comunitario en el que voluntarios del público revisarán imágenes de señales de radio y las clasificarán como posibles tipos de interferencia, para entrenar a una máquina que después tendrá que buscar a través de los datos SETI obtenidos en el telescopio de Green Bank.