Los humanos tienen nuevas pistas para encontrar vida avanzada extraterrestre, ocho nuevas señales que vienen de 5 sistemas estelares diferentes.
Los científicos que intentan abordar la pregunta: “¿Estamos solos en el universo?” han utilizado una nueva técnica de aprendizaje automático para descubrir ocho “señales de interés” previamente no detectadas de alrededor de cinco estrellas cercanas. El equipo aplicó un algoritmo a datos previamente estudiados recopilados por el Telescopio Green Bank en Virginia Occidental como parte de una campaña dirigida por Breakthrough Listen, una iniciativa financiada con fondos privados que busca 1 millón de estrellas cercanas, 100 galaxias cercanas y el plano de la Vía Láctea en busca de signos de vida tecnológicamente avanzada.
Y el proyecto casi no sucedió. “Solo le dije a mi equipo después de la publicación del artículo que todo esto comenzó como un proyecto de escuela secundaria que no fue realmente apreciado por mis maestros”, dijo en un comunicado el primer autor Peter Ma, ahora estudiante de pregrado en la Universidad de Toronto en Canadá.
Esta no es la primera vez que se han utilizado algoritmos informáticos para buscar en la inmensidad del espacio “firmas tecnológicas”, señales generadas tecnológicamente que podrían marcar otras civilizaciones extraterrestres avanzadas.
Sin embargo, debido a que muchos algoritmos utilizados para examinar los datos de los telescopios se desarrollaron hace décadas para las primeras computadoras digitales, a menudo son obsoletos e ineficientes cuando se aplican a los conjuntos de datos masivos generados por los observatorios modernos.
Estos algoritmos clásicos se habían utilizado para examinar los datos del Telescopio Green Bank y esta ineficiencia podría ser la razón por la cual estos datos no habían indicado originalmente ninguna señal de interés en 2017, cuando los científicos los examinaron originalmente. En total, los investigadores analizaron 150 terabytes de datos que representan observaciones de 820 estrellas cercanas, aunque quieren aplicar el algoritmo a aún más datos.
“Con nuestra nueva técnica, combinada con la próxima generación de telescopios, esperamos que el aprendizaje automático pueda llevarnos de buscar cientos de estrellas a buscar millones”, dijo Ma en un comunicado.
Los investigadores descubrieron que la fortaleza clave del nuevo algoritmo era organizar los datos de los telescopios en categorías, lo que les permitía distinguir entre señales reales y “ruido” o interferencia. Aunque los telescopios involucrados en la búsqueda de firmas tecnológicas se colocan en áreas del mundo donde hay una interferencia mínima de la tecnología humana como los teléfonos celulares, estas señales aún se recogen. (La mayoría de los programas SETI se centran en las ondas de radio porque pueden viajar a la velocidad de la luz a través de grandes distancias, en su mayoría sin obstáculos como las nubes de polvo interestelar; desafortunadamente, las mismas características han hecho de las ondas de radio la piedra angular de la comunicación humana en la Tierra).
“En muchas de nuestras observaciones, hay mucha interferencia”, dijo Ma. “Necesitamos distinguir las señales de radio emocionantes en el espacio de las señales de radio poco interesantes de la Tierra”.
Para asegurarse de que el nuevo algoritmo no se confundiera con las señales que se originan en la Tierra, Ma y el equipo entrenaron sus herramientas de aprendizaje automático para diferenciar entre la interferencia generada por el hombre y las posibles señales extraterrestres. Probaron una variedad de algoritmos, determinando la precisión de cada algoritmo y con qué frecuencia cayó en falsos positivos.
El algoritmo más exitoso combinó dos subtipos de aprendizaje automático: aprendizaje supervisado, en el que los humanos entrenan el algoritmo para ayudarlo a generalizar, y aprendizaje no supervisado que puede buscar nuevos patrones ocultos a través de grandes conjuntos de datos. Unidos en lo que Ma llamó “aprendizaje semi-no supervisado”, estos enfoques descubrieron ocho señales que se originaron en cinco estrellas diferentes ubicadas entre 30 y 90 años luz de distancia de la Tierra. Las señales son candidatos convincentes para firmas tecnológicas genuinas, según Steve Croft, científico del proyecto Breakthrough Listen. “Primero, están presentes cuando miramos la estrella y ausentes cuando miramos hacia otro lado, a diferencia de la interferencia local, que generalmente siempre está presente”, dijo. “En segundo lugar, las señales cambian de frecuencia con el tiempo de una manera que las hace parecer lejos del telescopio”.
Croft advirtió que en conjuntos de datos masivos que pueden contener millones de señales, una sola señal podría tener ambas características por pura casualidad. “Es un poco como caminar por un camino de grava y encontrar una piedra atascada en la banda de rodadura de tu zapato que parece encajar perfectamente”, dijo.
Entonces, aunque los investigadores creen que estas ocho señales se asemejan a lo que se espera que sea una firma tecnológica, no pueden decir con confianza que ninguna o todas las señales se originan en inteligencia extraterrestre. Los científicos habrían necesitado detectar las mismas señales varias veces, y esta repetición no apareció durante breves observaciones de seguimiento del Telescopio Green Bank.
“Estoy impresionado por lo bien que este enfoque ha funcionado en la búsqueda de inteligencia extraterrestre”, dijo Cherry Ng, coautor de la investigación y astrónomo también de la Universidad de Toronto, en el mismo comunicado. “Con la ayuda de la inteligencia artificial, soy optimista de que podremos cuantificar mejor la probabilidad de la presencia de señales extraterrestres de otras civilizaciones”.
El equipo ahora quiere aplicar el mismo algoritmo a los datos recopilados por observatorios como la matriz MeerKAT en Sudáfrica.
“Estamos escalando este esfuerzo de búsqueda a 1 millón de estrellas hoy con el telescopio MeerKAT y más allá”, dijo Ma en una segunda declaración. “Creemos que un trabajo como este ayudará a acelerar el ritmo al que podemos hacer descubrimientos en nuestro gran esfuerzo por responder a la pregunta: ‘¿Estamos solos en el universo?'”.
Referencia: La investigación del equipo fue publicada el lunes (30 de enero) en la revista Nature Astronomy.
Portada: Representación artística del Telescopio Green Bank conectado a un sistema de aprendizaje automático. (Crédito de la imagen: Danielle Futselaar/Breakthrough Listen)