2023年1月20日，毅力号探测车在火星表面的杰泽罗撞击坑的自拍照。（NASA/JPL-CALTECH/MSSS）
机器学习和人工智能能否提高在火星上搜索外星生命的效率?回答是：很有可能。
火星拥有超过144,370,000平方英里的地表面积，因此，很多地方可能隐藏着潜在生命。考虑到当前和未来火星探测车超宝贵的时间，这让以有效的方式寻找生命的证据变得更具挑战性。为能助上一臂之力，寻找外星人的科学家组织SETI开始求助于人工智能（AI）和机器学习（ML），以计算出最有可能的地方供探测车亲往搜寻——也许在某一天，宇航员也会去到那里寻找生命的线索。正如3月6日发表在《自然‧天文学》（Nature Astronomy）杂志中首次详述的那样，该团队的新人工智能机器学习模型已经显示出加速人类寻找外星生命的潜力。
为了构建人工智能，由SETI研究所高级研究科学家金·沃伦-罗兹 （Kim Warren-Rhodes） 领导的跨学科项目训练了一个程序，该程序使用从Salar de Pajonales地区获取的数据。Pajonales位于智利阿塔卡马沙漠和阿尔蒂普拉诺高原的交界处，是火星的一个不错的替代品，那里海拔高、气候干燥、有干涸的盐湖床、大量的紫外线和稀疏的光合微生物生命。该团队收集了该地区的岩石、晶体和盐丘的 7,765多张图像和1,154个样本，然后将这些信息与其它数据集合成一起，用于指导该程序了解和检测具有生物特征的区域。在将AI/ML程序转向附近的新区域后，系统成功地找到了将近88%的相似生物特征，而之前的随机搜索还不到10%。新方法还将必要的搜索区域减少了高达97%。
在一份声明中，罗兹解释说：“这个框架使我们能够将统计生态学的力量与机器学习相结合，以发现和预测大自然在地球上最严酷的环境中生存和分布的模式和规则。”她表示，希望同行们能够采用这种方法来绘制其它环境，并检测其它生物特征。“通过这些模型，我们可以设计量身定制的路线图和算法，以引导探测车前往最有可能藏匿过去或现在生命的地方——无论多么隐蔽或罕见，”她说。
“虽然高生物特征检测率是这项研究的核心结果，但同样重要的是，它成功地整合了从轨道到地面的截然不同分辨率的数据集，并最终将区域轨道数据与微生物栖息地联系起来，”另一名团队成员这样说。
随着时间的推移，该团队希望和其他天体生物学家团体继续建立协作数据集，通过将其载入未来的行星探测车来帮助寻找外星生命。
