Cómo la inteligencia artificial puede ayudar a encontrar vida extraterrestre
Un equipo internacional de investigadores del Instituto SETI, Breakthrough Listen y varias instituciones científicas ha empleado inteligencia artificial avanzada para analizar un conjunto de datos provenientes de 820 estrellas cercanas. El resultado: el hallazgo de ocho nuevas señales de interés que podrían marcar un antes y un después en la búsqueda de vida inteligente en el universo.
Gracias a esta nueva metodología basada en deep learning, la búsqueda de tecnofirmas —es decir, indicios tecnológicos de civilizaciones avanzadas— podría experimentar un avance sin precedentes.
El incidente OVNI de ManisesEl desafío de encontrar vida fuera de la Tierra
A pesar de décadas de investigación, aún no se ha obtenido una prueba concluyente de la existencia de vida extraterrestre. Sin embargo, la mayoría de los científicos considera que no estamos solos en el universo, e incluso algunos piensan que podría haber formas de vida inteligente en nuestra propia galaxia.
La gran pregunta es: ¿por qué no la hemos encontrado aún? Una de las posibles respuestas es que, hasta ahora, solo hemos explorado una fracción minúscula de la Vía Láctea. Esto se debe en parte a la limitación de los algoritmos tradicionales y a un rango de búsqueda muy reducido en comparación con la vastedad del universo.
Inteligencia artificial al rescate
En un intento por acelerar esta búsqueda, Peter Ma, un estudiante universitario de la Universidad de Toronto, desarrolló un proyecto que integra inteligencia artificial a través de aprendizaje automático (machine learning) para detectar posibles señales de interés en datos astronómicos.
¿Qué es el aprendizaje automático y cómo se aplica?
El aprendizaje automático es una rama de la inteligencia artificial que desarrolla algoritmos capaces de aprender de la experiencia, reconocer patrones y hacer predicciones sin intervención humana directa.
En el contexto de la búsqueda de vida extraterrestre, esta tecnología se puede aplicar de distintas formas:
Análisis masivo de datos astronómicos
Los telescopios generan enormes cantidades de información en forma de datos electromagnéticos. Gracias al aprendizaje automático, los investigadores pueden entrenar modelos estadísticos para detectar anomalías o patrones inusuales que podrían estar relacionados con señales extraterrestres. Esto permite un análisis mucho más rápido, eficiente y preciso que con métodos tradicionales.
Clasificación de exoplanetas
Otra aplicación del machine learning es la identificación y categorización de exoplanetas —planetas que orbitan estrellas distintas del Sol—. Los algoritmos pueden evaluar su tamaño, composición y atmósfera para determinar su potencial de albergar vida. Este enfoque se centra más en formas de vida microbiana o biológica.
Por el contrario, la búsqueda de tecnofirmas (señales tecnológicas en el espacio) apunta directamente a identificar inteligencia extraterrestre. Este es precisamente el enfoque del SETI (Search for Extraterrestrial Intelligence).
El caso del radiotelescopio Green Bank
Redescubriendo datos “sin interés”
Peter Ma y su equipo aplicaron sus algoritmos a un conjunto de 150 terabytes de datos recopilados por el telescopio Green Bank (el radiotelescopio totalmente orientable más grande del mundo, ubicado en Virginia Occidental, EE. UU.). Este conjunto contenía información de 820 estrellas cercanas.
Lo interesante es que ya se había analizado este mismo conjunto seis años antes con técnicas tradicionales, y se lo había catalogado como "sin señales de interés". Sin embargo, gracias al nuevo enfoque con inteligencia artificial, se descubrieron ocho señales con características anómalas.
¿Qué hacía especiales a estas señales?
Según informó el Instituto SETI, las señales recién descubiertas presentaban varios rasgos inusuales:
Ancho de banda estrecho: A diferencia de las señales naturales, que tienden a ser de banda ancha, estas eran extremadamente delgadas, con apenas unos pocos hertzios.
Deriva en la frecuencia: Las señales mostraban una inclinación (o "pendiente"), lo que indica un movimiento relativo entre la fuente y el receptor. Esto sugiere que la señal no proviene de una fuente terrestre.
Presencia en modo "ON-source" y ausencia en "OFF-source": Las señales solo aparecían cuando el telescopio apuntaba a un punto específico del cielo, y desaparecían al cambiar la dirección. Esto es típico de señales celestes, y no de interferencia humana (que aparecería en ambos casos).
Visualización de las señales
En el artículo original, el SETI presentó gráficos tipo "cascada" para mostrar las ocho señales descubiertas. Cada gráfico representaba un ancho de 2.800 Hz, centrado en el punto exacto donde se detectó la señal. Estos resultados pasaron también por una revisión manual para validar su autenticidad.
La revolución del escalado: hacia un millón de estrellas
Según la astrónoma Dra. Cherry Ng, una de las asesoras del proyecto, estos hallazgos demuestran el enorme potencial de aplicar el aprendizaje automático a la astronomía. Además, el equipo no se detiene aquí: ya está trabajando para escalar su búsqueda a un millón de estrellas o más, esta vez utilizando los datos del radiotelescopio sudafricano MeerKAT.
Peter Ma declaró:
“Creemos que trabajos como este ayudarán a acelerar el ritmo de descubrimientos en nuestro gran esfuerzo por responder a la pregunta: ‘¿Estamos solos en el universo?’”
Los resultados de esta investigación fueron publicados en la revista científica Nature Astronomy, y su estudio completo se encuentra disponible para quienes deseen profundizar en los detalles técnicos del descubrimiento.
Implicaciones futuras: una nueva era en la astrobiología
Este avance marca un punto de inflexión en la búsqueda de vida extraterrestre. Hasta ahora, la humanidad ha dependido de métodos muy limitados para encontrar señales del cosmos. Con la incorporación de inteligencia artificial, aprendizaje profundo y modelos predictivos, entramos en una etapa donde los descubrimientos podrían acelerarse exponencialmente.
La combinación de datos masivos, telescopios avanzados como el James Webb y algoritmos que aprenden de cada nuevo hallazgo podría, en los próximos años, revolucionar nuestra comprensión del universo y, quizás, acercarnos a la respuesta más trascendental de todas: si estamos solos… o no.
Fuentes:
SETI Institute
Breakthrough Listen
Publicación en Nature Astronomy (2023)
Entrevista con Peter Ma y Dra. Cherry Ng
Deja una respuesta