El Instituto SETI lleva desde los años 60 buscando vida inteligente más allá de la Tierra. Recientemente, ha puesto en práctica una serie de algoritmos de aprendizaje automático para filtrar el Big Data generado en las observaciones de los telescopios. ¿Hay vida en “una Galaxia muy muy lejana…”?
La IA está de moda: desde Chat GPT hasta la petición reciente de 1.000 científicos solicitando un compás de espera de 6 meses para la IA, que va demasiado rápido. La Inteligencia Artificial ha llegado para quedarse y es capaz de resolver en segundos lo que a un ser humano le llevaría días, meses o incluso años de esfuerzo y dedicación.
El Instituto SETI ha desarrollado un sistema de algoritmos de aprendizaje automático, basado en IA, que filtra las interferencias de señales terrestres y es capaz de detectar señales espaciales desconocidas. Este sistema de IA también ayuda al análisis del Big Data obtenido en las búsquedas de los telescopios y, quizá, a encontrar vida extraterrestre.
Desde 2015, el SETI busca señales de vida inteligente en un millón de estrellas mediante las observaciones de telescopios instalados en Virginia (EE.UU.), Australia y Sudáfrica. El proyecto pretende captar emisiones de radio que provienen de la dirección de una estrella y que cambian constantemente de frecuencia (igual que sucedería si un transmisor extraterrestre estuviera en un planeta que se mueve con respecto a la Tierra).
Se construyó un software de aprendizaje automático para analizar los datos a partir de las observaciones de 820 estrellas. Se captaron casi tres millones de señales, pero se descartaron la gran mayoría como interferencias terrestres. Después, se revisaron manualmente alrededor de otras 20.000 y la esperanza se redujo a 8 señales de origen desconocido.
Finalmente, la búsqueda fue infructuosa: las 8 señales desaparecieron la segunda vez que el equipo las buscó. Sin embargo, este método podría usarse para analizar más Big Data (como las observaciones del conjunto MeerKAT de 64 radiotelescopios en Sudáfrica), además de que los algoritmos también podrían filtrar datos archivados para buscar señales que podrían haberse pasado por alto.
Nubeprint dispone de una solución MPS gestionada con algoritmos y filtros dinámicos. En 2013, desarrolla el primer motor de I.A. para MPS y, desde 2017, dispone de un Machine Learning (ML) desarrollado específicamente para MPS: mediante este aprendizaje automático, el sistema desarrolla el reconocimiento de patrones y la capacidad de aprender continuamente, con predicciones basadas en el Big Data, tras lo cual realiza los ajustes necesarios sin haber sido programado específicamente para ello.
