Il y a beaucoup d’endroits où la vie peut se cacher. Même sur notre planète bleue, où nous savons qu’il y a une vie abondante, il est parfois difficile de prédire tous les différents environnements dans lesquels elle pourrait surgir. Explorer des mondes autres que le nôtre pour la vie rendrait exponentiellement plus difficile sa détection car, de manière réaliste , nous ne savons pas vraiment ce que nous recherchons. Mais la vie se présentera probablement avec une sorte de modèle. Et il y a une nouvelle technologie qui est exceptionnelle pour détecter les modèles : l’apprentissage automatique. Des chercheurs de l’Institut SETI ont commencé à travailler sur un système d’IA basé sur l’apprentissage automatique qui fera exactement cela.
L’ensemble de formation est l’une des exigences essentielles de tout algorithme d’apprentissage automatique. Les chercheurs se sont donc penchés sur le Salar de Pajonales près du désert d’Atacama au Chili. Cette friche stérile ressemble beaucoup à la surface brûlée par le soleil de Mars, avec une très forte pénétration de la lumière UV, très peu d’eau et beaucoup de sel. Mais c’est toujours le foyer de la vie telle que nous la connaissons.
Les chercheurs, dirigés par Kim Warren-Rhodes, ont donc décidé de commencer à essayer de différencier les endroits où la vie existait dans la région par rapport aux endroits où elle n’existait pas. Pour ce faire, ils ont collecté près de 8 000 images du site et prélevé plus de 1 100 échantillons autour de la zone qu’ils ont photographiée. Certaines des images ont été prises par drone, et d’autres par satellite, mais elles se sont enchaînées de manière suffisamment cohérente pour fournir une image complète du Salar de Pajonales.
Crédit – Institut SETI
Dans ces images, les chercheurs ont trouvé un modèle statistiquement distribué qui montrait que la vie s’agglutinait dans certaines zones plutôt que de se répartir uniformément sur toute la zone. Sans surprise, ces patchs étaient directement liés à la disponibilité de l’eau. Mais ils ont également formé un modèle qui peut être introduit dans un algorithme.
L’intégration des images utilisées pour alimenter cette reconnaissance de formes était difficile, mais l’équipe a utilisé des intégrations comme celles réalisées avec les différents systèmes d’imagerie de Persévérance comme référence. Après avoir été formé sur ce qu’il faut rechercher, la conception, connue sous le nom de réseau neuronal convolutif, a détecté des biosignatures dans des zones non utilisées pour son ensemble de formation avec une précision de 87,5 %. Il avait également l’avantage supplémentaire de réduire de 97 % la surface globale nécessaire à la recherche.
Ce sont des chiffres impressionnants, mais ils ne représentent vraiment que les types de zones sèches et arides qui composent actuellement l’ensemble de données du réseau. Ils peuvent toujours être utiles pour des choses comme diriger un rover vers un endroit plus attrayant ou pointer un satellite martien en orbite vers un site prometteur. Cependant, il reste encore beaucoup de travail à faire avant que ce système puisse prédire avec confiance et cohérence l’existence de la vie dans ces modèles.
Crédit – Warren-Rhodes et al.
Une partie de ce travail est déjà le prochain point focal des chercheurs du SETI – sur leur liste d’endroits à cartographier figurent les sources chaudes, les sols de pergélisol et les roches de Dry Valley. Tous ces emplacements supplémentaires contiennent de la vie sur Terre, mais il reste à voir si la même chose peut être dite sur d’autres planètes. Mais, alors que nous commençons à collecter plus de données sur les biosignatures potentielles sur des endroits comme Mars, Vénus et Encelade, alors ce nouvel algorithme SETI, ou l’un de ses successeurs, jouera probablement un rôle clé pour déterminer si nous avons réellement trouvé le Saint Graal de la recherche d’une vie extraterrestre ou non.
