如果外星人真的存在，AI最终会找到他们然后喊道。2020年4月，美国国防部解密了海军飞行员在2004年至2005年间拍摄的三段不明飞行物视频。这些不明飞行物飞行速度极快。视频中都能听到这些海军飞行员的惊呼声，对于快速飞行，他们也略知一二。“我们还没有调查那些飞行物到底是什么，但即使是那些对不明飞行物的存在持坚定怀疑态度的人，在看完这段视频后也难免会动摇。”地球可能不是宇宙中唯一拥有生命的天体。银行系统中超过一半的类太阳恒星可能有宜居行星。计算表明至少有170亿颗恒星可能适合居住。宇宙如此浩瀚，地球怎么可能是唯一拥有生命的天体呢？长期以来，人工智能一直被用于寻找地外生命。诸如SETI研究所（搜索地外智慧）之类的组织现在正在寻找地外通信。具有磁场的物体（例如恒星）会产生无线电波，SETI正在寻找的技术驱动的通信也是如此。可是为什么总是什么都没有？究其原因，是搜索技术落后，只能触及整个作品的表面。SETI名誉主席吉尔·塔特表示，如果将需要搜索的数据量比作地球上的海洋，那么目前的成就只不过是一杯海水。如果你只是舀起一杯海水来判断海洋中有没有鱼，你可能会得出海洋中没有鱼的结论。借助人工智能，我们可以分析海量数据简而言之，人工智能教会计算机如何学习。此功能非常强大，因为它无需每次都设计新的指令程序。“人工智能”实际上是机器学习、计算机视觉和自然语言处理等技术的简称。机器学习是与分析空间数据和探索智能生活最相关的技术。机器学习的核心是对大规模数据进行分类并获取其中的模式，以产生人类无法产生的洞察力。更重要的是，人工智能可以大规模自动化操作。通过将人工智能工具与现代计算机的性能相结合，可以处理大量的数据，这远远超出了一支工程师大军在几十年内所能达到的水平。在人工智能领域，收听来自太空的无线电波并不需要一屋子人都戴着耳机。整个工作基本上由电脑完成。SETI的艾伦望远镜阵列聆听外星人的对话艾伦望远镜阵列艾伦望远镜阵列(ATA)的唯一任务是寻找外星人通信的证据。所有望远镜都瞄准光年之外的行星系统，以确定该地区的无线电波是否来自技术通讯。听起来很简单，但ATA的功能如此强大，相比之下，其他望远镜就像儿童玩具一样。2007年，在微软联合创始人保罗·艾伦的支持下，将望远镜阵列的各个部分组合起来，以观察更广阔的视野，这使得阵列能够捕获更广泛的频率范围，收集更多的数据。来自每个望远镜的无线电信号被发送到控制室，在那里它们被数字化为1和0，并组合起来像一个巨大的望远镜一样工作。利用人工智能分析无线电频率（寻找外星人）这就是引入人工智能技术的初衷。ATA收集的连续RF数据流太大，无法手动处理，并且很难确定哪些无线电模式异常或具有调查价值。其工作的难度无异于大海捞针。NeuralNetworkSimplifiedGraph神经网络是机器学习的一个分支，可以解决上述问题。神经网络能够执行更密集的模式识别和分类任务。神经网络模型的“处理层”越多，它可以处理的任务就越复杂。将ATA采集的电波数据输入神经网络模型进行分析。该模型试图从无线电波的大量“噪声”中识别通信“信号”。这是银河级别的模式识别。无线电波的重复和结构化模式可以指示通信。换句话说，该模型旨在寻找异常现象。神经网络模型试图将信号与大量噪声分开。神经网络首先通过研究一小块夜空中的无线电频率来“学习”。从这个较小的数据集中，它可以了解什么是“正常”声音。然后使用它来过滤掉较大RF数据集的背景信号，留下一些“不自然”的重复信号或模式。这些剩余的光点可能代表潜在的地外通信，将被发送给人类工程师进行进一步研究。但这些光点也不一定是外星交流的证据。它们可能只是模型无法识别的随机模式。随着时间的推移，一旦模型学会了这一点，它就会更有效地工作。神经网络的美妙之处在于，您无需编写代码来告诉系统什么是“正常”，而只需指示系统将数据分类，然后识别出规律的模式，或异常。事实上，其他行业已经在应用类似的神经网络模型。例如，银行一直在使用类似的模型来检测欺诈和洗钱等异常情况。人工智能在天文学中应用的其他例子NASA表示，自动驾驶汽车中使用的人工智能方法可能很快会被用于探测可能与地球相撞的小行星，并确定类地行星（系外行星）的宜居条件。NASA前沿开发实验室(FDL)的机器学习软件不仅可以创建附近小行星的3D模型，还可以准确估计这些行星的大小、形状和自转速度。快速计算此类信息对于识别威胁地球（并在未来改变它们的轨道）的小行星至关重要。使用传统的软件技术，天文学家需要一到三个月的时间来分析一颗小行星。行星。现在，机器学习算法可以在短短四天内生成小行星的渲染图。很快，神经网络可能会帮助人类快速识别宜居系外行星。目前，研究使用望远镜数据来分析系外行星大气中的分子吸收或发射光波的过程。这种分析可以揭示有关行星化学成分的信息，例如大气中是否含有氧气。到目前为止，我们已经发现了数千颗系外行星，但仍处于起步阶段。尽快找到“最宜居”星球有助于集中精力和资源，避免大海捞针。FDL团队与GoogleCloud合作开发了一个神经网络模型，用于分析2008年发现的系外行星WASP-12b的大气成分。神经网络的性能优于基本的机器学习技术，甚至可以在预测的确定性方面进行评级。这一重要属性有助于建立对这些新模型的信任。为什么未来人工智能技术的应用要局限于地球？通过在飞船上安装人工智能软件，宇航员可以在外太空做出实时决策，缩短数据传回地球的时间。如果我们陷入《星际迷航》的困境，我们一定希望飞船能第一时间联系可能的外星人，而不是在等待地球确认的过程中悲惨地解体。人工智能还将扩大地球上数据处理的规模。据报道，美国宇航局每15秒可以收集2GB的数据，传统方法只能处理其中的一小部分。人工智能可以自动执行繁琐且耗时的数据处理任务，将科学家从这些任务中解放出来，专注于前沿工作。人类科学家不会立即被人工智能取代，因为该技术目前倾向于将巨大的计算能力应用于狭义的机械任务，需要独创性的任务仍然是人类工作的领域。同时，需要仔细核对人工智能产生的结果。科学家不想宣布小行星正在接近地球，才意识到人工智能模型出错了。
