科技日报记者 张佳欣
地球以外是否存在生命？这个问题似乎是科学界最迷人又难解答的问题之一。宇宙浩瀚，看似生命存在的机会众多，但恒星之间距离遥远，寻觅生命如大海捞针。
过去，科学家依靠传统观测手段和理论模型，苦苦搜寻生命迹象却毫无进展。如今，太空与地面望远镜不断收集海量天文数据，规模与复杂度远超人类处理能力。传统探索手段也面临困境，超精密建模和模拟在处理复杂天文数据时，常显得力不从心。
随着科技发展，一种全新的“助手”——人工智能（AI），正逐渐崭露头角，为这一领域带来新的希望与可能。
代理型AI“投身”行星样本研究
英国《自然》杂志2日刊文称，AI科学家“团队”加入研究地外天体，寻找外星生命的行列。
美国国家航空航天局（NASA）戈达德太空飞行中心开发出一种“AstroAgents”系统，能在天体生物学领域自主进行研究。该系统由8个“AI代理”组成，可分析数据并生成科学假设，涵盖从阅读文献到撰写论文的全流程，属于旨在实现科学研究自动化的AI工具之一。
开发者计划利用该系统研究NASA将从火星带回的样本，以确定其中是否含有表明过去或现在生命存在的有机分子。4月27日，团队在新加坡举行的国际学习表征会议上展示了这一成果。该中心天体生物学家丹妮丝·巴克纳表示，AstroAgents有助于理解分子在太空及地球上的形成与保存，还能确定应寻找的特定生命迹象。
AstroAgents是“代理型AI”系统的一个实例。这类系统基于大型语言模型，能更主动地参与研究，自主决定研究内容和方式，评估结果并调整策略。
为指定代理AI的行为，团队向大型语言模型输入不同提示。如“数据分析师”识别数据重要模式，“规划师”分配任务给其他“科学家”代理，“评估师”评估假设并提出改进建议。
团队用两种大型语言模型——Claude Sonnet 3.5和Gemini 2.0 Flash来驱动AstroAgents，并向每个系统输入了来自地球各地的8块陨石和10个土壤样本的质谱数据，进行了10轮优化。最终，Gemini生成101个假设，Claude生成48个。巴克纳认为，Gemini生成的假设中有36个合理、24个新颖，Claude生成的虽无原创但错误少、更清晰。
机器学习识别370颗系外行星
得益于天文学家的不懈努力，我们如今已知，银河系中至少有5600颗行星绕着遥远恒星运转。这些行星形态各异，有的比木星、土星还大，是巨型气态行星；有的比火星还小，是炽热的岩石行星；大多数则由气体、岩石或两者混合而成，大小通常介于地球与海王星之间。
然而，迄今为止，尚未发现生存环境与地球相似的行星，也没有行星具备人们所知的生命所需条件或化学物质。不过，AI或许能带来转机，因为它可进行更深入分析。
美国《国家地理》杂志报道称，NASA机器学习科学家哈梅德·瓦利扎德甘与天文学家乔恩·詹金斯携手开展了一个旨在搜寻系外行星的自动化项目。
2018年，该团队着手构建机器学习程序ExoMiner。他们用已确认的行星数据和误报数据训练这款软件，并在开普勒望远镜观测档案中对其进行了测试。很快，ExoMiner识别出370颗此前未知的系外行星，判断至今未被推翻。只是这370颗行星中，没有一颗与地球或太阳系行星相似，它们大多环境恶劣，不适宜生命存在。
瓦利扎德甘称，ExoMiner只是利用AI解决这一“大海捞针”难题的起点。未来十年，下一代系外行星搜寻望远镜将发射，更多数据将传回，同时，新的AI行星探测器也在研发中。
SETI助力监测宇宙电磁信号
澳大利亚《对话》杂志报道称，美国加州大学伯克利分校的搜寻地外文明（SETI）计划研究中心致力于寻找外星智慧文明的电磁信号，其波长范围涵盖从无线电波到可见光。
目前，这项计划正在为甚大天线阵列（VLA）构建一套并行的、由AI驱动的软件系统。VLA是一个庞大的射电望远镜阵列，由28个直径25米的碟形天线组成，散布在沙漠平原。投入使用后，这套AI系统每秒能处理2太字节数据，而现代笔记本电脑存储容量通常仅1TB。
SETI研究中心首席执行官比尔·戴蒙德称，随着搜寻外星生命工作的推进，AI应用愈发“不可或缺”。传统上，SETI主要寻找类似人类使用的窄带信号，但若外星先进技术使用宽带射电，传统方法就失效了。而AI能处理海量数据，从“音频图像”中截取“快照”寻找模式，增加了新的搜寻目标。
SETI还参与了“突破聆听”计划，正在广泛扫描百万颗恒星和百个星系，寻找生命存在的证据。
此外，AI也被用于探测地球附近更温和的生命迹象。卡内基科学研究所正利用AI分析火星岩石样本。他们发现，AI区分生物和非生物物质的准确率近90%。
目前，SETI研究中心计划用该系统分析地球古老样本和火星陨石样本，未来也许将其送入土卫二羽流或在火星着陆。
AI在天文研究中尚处于早期阶段，随着越来越多的数据被收集和分析，探测到外星生命的可能性正在不断增加。
