Sekelompok ilmuwan multidisiplin tengah mempelajari kegunaan machine learning untuk membantu para ilmuwan mencari tanda-tanda kehidupan di Mars dan dunia asing lainnya.
Dipimpin oleh Kim Warren-Rhodes dari Search for Extraterrestrial Intelligence Institute di California, Amerika Serikat (AS), tim ilmuwan multidisiplin tengah berupaya memetakan bentuk kehidupan untuk melatih model machine learning untuk mengenali pola dan aturan yang terkait dengan distribusi kehidupan di seluruh wilayah yang keras.
Bekerja sama dengan Michael Phillips dari Johns Hopkins Applied Physics Laboratory (APL) dan peneliti Universitas Oxford, Freddie Kalaitzis, tim memilih Salar de Pajonales, sebuah dataran garam, di perbatasan Gurun Atacama di Chili. Salar de Pajonales dipilih sebagai tahap pengujian karena dataran ini merupakan analogi yang cocok untuk lanskap Mars modern yang kering dan gersang.
Meski dianggap sangat tidak ramah terhadap kehidupan, Salar de Pajonales masih menyimpan beberapa makhluk hidup. Pengujian semacam ini bertujuan mengajarkan model machine learning untuk menemukan pola dan aturan yang sama untuk berbagai bentang alam, termasuk yang mungkin terletak di planet lain.
Melansir Space, tim mengumpulkan hampir 8.000 gambar dan lebih dari 1.000 sampel dari Salar de Pajonales untuk mendeteksi mikroba fotosintesis yang hidup di dalam kubah garam, bebatuan, dan kristal alabaster di kawasan itu. Pigmen yang dikeluarkan oleh mikroba ini mewakili kemungkinan biosignature pada "tangga deteksi kehidupan" NASA, yang dirancang untuk memandu para ilmuwan dalam mencari kehidupan di luar Bumi.
Tim tersebut menemukan bahwa dengan menggabungkan ekologi statistik dengan kecerdasan buatan (AI), sistem mereka dapat menemukan dan mendeteksi bio signatures hingga 87,5 persen dari waktu. Selain itu, program ini dapat membantu para ilmuwan secara signifikan mempertajam perburuan mereka untuk jejak kimia kehidupan yang potensial, atau bio signatures.
"Kerangka kerja kami memungkinkan kami untuk menggabungkan kekuatan ekologi statistik dengan pembelajaran mesin untuk menemukan dan memprediksi pola dan aturan yang dengannya alam bertahan dan mendistribusikan dirinya sendiri di lanskap paling keras di Bumi," kata Warren-Rhodes dalam sebuah pernyataan.
Machine learning seperti itu, kata para peneliti, dapat diterapkan pada misi planet robotik seperti penjelajah Preverence NASA, yang saat ini memburu jejak kehidupan di lantai Kawah Jezero Mars. Bantuan machine learning menjadi penting mengingat kemampuan untuk mengumpulkan sampel dari planet lain masih sangat terbatas. Di mana para ilmuwan saat ini harus mengandalkan metode penginderaan jauh untuk berburu tanda-tanda kehidupan alien. Atas dasar itu, metode apa pun yang dapat membantu mengarahkan atau menyempurnakan pencarian ini akan sangat berguna.
"Dengan model-model ini, kami dapat merancang peta jalan dan algoritme yang dibuat khusus untuk memandu penjelajah ke tempat-tempat dengan kemungkinan tertinggi untuk menyimpan kehidupan masa lalu atau masa kini? - ?tidak peduli seberapa tersembunyi atau langka," jelas Warren-Rhodes.
Untuk saat ini, para peneliti akan terus melatih AI mereka di Salar de Pajonales, selanjutnya bertujuan untuk menguji kemampuan convolutional neural network (CNNs) untuk memprediksi lokasi dan distribusi fosil stromatolit purba dan mikrobiom toleran garam. Ini akan membantunya untuk mengetahui apakah aturan yang digunakannya dalam pencarian ini juga dapat diterapkan pada perburuan bio signature di sistem alam serupa lainnya.
Setelah ini, tim bertujuan untuk mulai memetakan mata air panas, tanah beku yang tertutup permafrost, dan bebatuan di lembah kering, semoga mengajarkan AI untuk mengasah habitat potensial di lingkungan ekstrim lainnya di Bumi sebelum berpotensi menjelajahi planet lain.
