Bien que les scientifiques ne retiennent pas leur souffle, l’IA pourrait être un outil puissant dans la recherche permanente de vie extraterrestre.
Fouiller le ciel à la recherche d’ovnis ou d’extraterrestres nostalgiques est pratiquement un passe-temps américain, et personne ne le fait mieux que l’Institut SETI (SETI signifiant Search for Extraterrestrial Intelligence).
Fondé en 1984, le SETI s’est donné pour mission de scruter le ciel à la recherche de signaux radio composés de « technosignatures » non terrestres qui pourraient appartenir à des technologies extraterrestres. Ces signaux – qui peuvent indiquer l’utilisation d’une technologie de communication, et donc d’une intelligence – sont recherchés par les scientifiques à la recherche de signes de vie extraterrestre. Jusqu’à présent, cette recherche, qui dure depuis des décennies, n’a donné lieu à aucune piste convaincante, mais un nouvel article publié lundi dans la revue Nature Astronomy espère changer cela en utilisant l’apprentissage automatique pour s’attaquer au problème.
En utilisant les données du télescope qui ont été recueillies pour la première fois en 2016, l’algorithme d’apprentissage automatique a analysé plus de 480 heures de données provenant de 820 étoiles et a identifié huit signaux d’intérêt que les algorithmes précédents n’avaient pas détectés.
Peter Ma est le premier auteur de l’article et un étudiant de premier cycle à l’Université de Toronto. Il a déclaré à dans un courriel que si l’IA a été appliquée aux données radio du SETI dans le passé, cette nouvelle approche retire complètement la recherche des mains humaines.
« Auparavant, les gens ont inséré des composants ML [apprentissage automatique] dans divers pipelines pour aider à la recherche », a déclaré Ma. « Ce travail repose entièrement sur le seul réseau neuronal sans aucun algorithme traditionnel pour le soutenir et a produit des résultats que les algorithmes traditionnels n’ont pas relevés. »
Les données radio en provenance de l’espace sont une ressource abondante, mais elles peuvent aussi être facilement confondues avec nos propres signaux radio terrestres. Ma a déclaré que les signaux intéressants qui sont extraits de cette brume sont ceux qui « sont des signaux à bande étroite et à dérive doppler provenant d’une source extraterrestre ».
En d’autres termes, il s’agit de signaux radio qui se déplacent et se situent dans une gamme de fréquences particulière. Cependant, la façon dont ces signaux peuvent se transformer avec le temps ou la distance reste une question ouverte.
La recherche de ces signaux dans les données peut s’apparenter à la recherche d’une aiguille dans une botte de foin – un travail long et fastidieux – mais c’est là que l’apprentissage automatique peut être utile. Ma et ses collègues ont conçu leur réseau neuronal pour identifier puis classer ce qu’il « pense » être les caractéristiques les plus importantes des données SETI, tout en essayant de filtrer les interférences d’origine terrestre.
En plus d’être deux fois plus rapide que les algorithmes traditionnels, Ma a déclaré que l’utilisation d’un réseau neuronal pour étudier ces données permet également un type de réflexion hors des sentiers battus que les algorithmes dictés par l’homme ont du mal à atteindre.
« Les algorithmes traditionnels fonctionnent à partir d’un ensemble donné d’instructions conçues par nous… l’algorithme ne découvrira donc jamais que ce que nous lui disons de trouver », a-t-il expliqué. « Le problème est que la nature d’un signal ET n’est pas complètement connue… L’approche que nous proposons consiste donc à l’apprendre. »
Le réseau neuronal de Ma et de ses collègues a pu trouver huit signaux uniques cachés dans les données qui pourraient potentiellement provenir de sources extraterrestres, mais aucune recherche n’a encore été effectuée pour les confirmer. Et si une analyse plus poussée peut permettre de confirmer que ces sources ne sont pas d’origine terrestre, cela ne signifie pas que les scientifiques sauront exactement à quel type de technologie elles sont connectées, a déclaré Ma.
Dans le meilleur des cas, ces signaux peuvent contenir des informations intégrées sur l’ingénierie de la technologie ou même une collection de technosignatures d’une civilisation étrangère.
« Mais nous ne comptons pas là-dessus », a déclaré M. Ma.
Espérons qu’ils analysent rapidement + en détails ces 8 potentiels signaux, pour en connaître la véritable nature dans les prochaines semaines!
Un bémol : ils ont réécouté une fois les étoiles potentiellement émettrices, et ils n’ont pas pu de nouveau entendre ces signaux pour le moment.
Mais c’est en tout cas très prometteur pour les futures recherches, et grâce à cette technologie de l’intelligence artificielle il sera possible d’analyser 20 000 étoiles en seulement quelques semaines!