So könnte künstliche Intelligenz beim Auffinden von Außerirdischen helfen
Astrobiolog:innen suchen auf fernen Planeten nach Spuren von außerirdischem Leben. Dabei ergibt es Sinn, bestimmte Bereiche in den Fokus zu nehmen – dort, wo die besten Chancen bestehen, auch fündig zu werden. Solche Regionen treffsicher ausfindig zu machen könnte der Wissenschaft künftig leichter fallen.
Ein Team vom Seti Institute Nasa Astrobiology (NAI) hat dazu irdische Areale ausgemacht, die konkreten Planetentypen ähneln, und eine KI mit den Daten trainiert. Das Ergebnis der Studie: Das Leben in lebensfeindlichen Umgebungen ballt sich normalerweise in bestimmten Hotspots. Durch die KI konnten so mehr Biosignaturen entdeckt werden.
Reichweite ist ein hohes Gut auf fernen Planeten
Die NAI-Gruppe und die Studienleiterin Kimberly Warren-Rhodes wollen Missionswissenschaftler:innen – etwa der Nasa – helfen, Biosignaturen zu finden. Diese hätten das Problem, unter hohem Druck zu stehen und nur auf begrenzte Bewegungsreichweiten von Rovern und Instrumenten zurückgreifen zu können.
Umso wichtiger sei es für sie, die Regionen auszuwählen, die höchstwahrscheinlich auch Treffer bringen. Warren-Rhodes KI-Einsatz führte dazu, dass die Forscher:innen ihr Suchgebiet um 97 Prozent verkleinern konnten und sich dabei die Wahrscheinlichkeit, Leben zu finden, um 88 Prozent erhöhte.
Extreme Lebensräume auf der Erde dienen als Blaupause
„Am Ende könnten wir uns hinlegen und, statt lange herumzulaufen, würden wir nur eine Minute brauchen, um Leben zu finden“, erklärte Warren-Rhodes in der Zeitschrift Nature. Sie fuhr mit ihrem Team unter anderem in die Atacama-Wüste, eine der lebensfeindlichsten Regionen dieses Planeten. Sie liegt in 3.500 Metern Höhe und diente als Analogon zum Mars. Dort suchten die Biolog:innen nach Endolithen; diese Kleinstlebewesen wohnen in Felsen und leben von Sonnenlicht.
Das Team sammelte alle Daten, von Drohnenaufnahmen bis zu geochemischen Analysen. Damit fütterte es ein neuronales Faltungsnetzwerk (CSS) und einen Algorithmus für maschinelles Lernen, der für die Vorhersage von biologischen Hotspots aufgestellt worden war. So fand das Team etwa heraus, dass sich Endolithen in der Atacama-Wüste am häufigsten in dem porösen Mineral Alabaster ansiedeln. Im Übergangsbereich zwischen den Kristallen und dem Sand sammeln sie sich in sogenannten Mikrohabitaten an.
Das sind die 18 besten Bilder aus dem Weltall
Lebensnischen besser auffindbar
NAI-Teamleiterin Nathalie Cabrol betont, nicht nur die hohe Entdeckungsrate sei ausschlaggebend. „Es ist nicht weniger wichtig, dass es gelungen ist, Datensätze mit sehr unterschiedlichen Auflösungen vom Orbit bis zum Boden zu integrieren und schließlich regionale Orbitaldaten mit mikrobiellen Lebensräumen zu verknüpfen“, sagt sie.
Nun soll die neue Methode bei anderen Lebensräumen überprüft und weiterentwickelt werden. Die Studie stellt den Höhepunkt des Projektes „Orbit-to-Ground Framework to Decode and Predict Biosignature Patterns in Terrestrial Analogues“ dar. Fünf Jahre lang finanzierte die Nasa die Forschungsarbeit. Über 50 Teammitglieder aus 17 Institutionen waren daran beteiligt.