Un experimento en un análogo marciano en el norte de Chile ha probado la utilidad de equipo robots planetarios con inteligencia artificial para centrar la búsqueda de vida de la forma más eficaz.
En un artículo publicado en Nature Astronomy, un estudio interdisciplinar dirigido por Kim Warren-Rhodes, investigadora principal del Instituto SETI, cartografió la escasa vida oculta en cúpulas de sal, rocas y cristales del Salar de Pajonales, en el límite entre el desierto chileno de Atacama y el Altiplano.
A continuación, Warren-Rhodes trabajó con los coinvestigadores Michael Phillips (Laboratorio de Física Aplicada Johns Hopkins) y Freddie Kalaitzis (Universidad de Oxford) para entrenar un modelo de aprendizaje automático que reconociera los patrones y reglas asociados a sus distribuciones, de modo que pudiera aprender a predecir y encontrar esas mismas distribuciones en datos sobre los que no había sido entrenado.
En este caso, al combinar la ecología estadística con la inteligencia artificial/aprendizaje de máquina, los científicos pudieron localizar y detectar biofirmas hasta un 87,5% de las veces (frente a un 10% mediante búsqueda aleatoria) y disminuir el área necesaria para la búsqueda hasta en un 97%.
«Nuestro marco nos permite combinar la potencia de la ecología estadística con el aprendizaje automático para descubrir y predecir los patrones y reglas por los que la naturaleza sobrevive y se distribuye en los paisajes más duros de la Tierra», afirma Rhodes en un comunicado. «Esperamos que otros equipos de astrobiología adapten nuestro enfoque para cartografiar otros entornos habitables y bioseñales. Con estos modelos, podemos diseñar hojas de ruta y algoritmos a medida para guiar a los vehículos exploradores hacia lugares con la mayor probabilidad de albergar vida pasada o presente, por muy oculta o rara que sea».
¿Puede la inteligencia artificial cambiar la experiencia del paciente?
En última instancia, algoritmos similares y modelos de aprendizaje automático para muchos tipos diferentes de entornos habitables y biofirmas podrían automatizarse a bordo de robots planetarios para guiar eficazmente a los planificadores de misiones a zonas de cualquier escala con la mayor probabilidad de contener vida.
Rhodes y el equipo del Instituto de Astrobiología de la NASA (NAI) del Instituto SETI utilizaron el Salar de Pajonales como análogo de Marte. Pajonales es un lecho salino seco, hiperárido, de gran altitud (3.541 m) y alto U/V, considerado inhóspito para muchas formas de vida, pero aún habitable.
Durante las campañas de campo del proyecto NAI, el equipo recogió más de 7.765 imágenes y 1.154 muestras y probó instrumentos para detectar microbios fotosintéticos que viven en el interior de las cúpulas salinas, las rocas y los cristales de alabastro. Estos microbios exudan pigmentos que representan una posible biofirma en la Escalera de Detección de Vida de la NASA.
En Pajonales, las imágenes de vuelo de drones conectaron datos orbitales simulados (HiRISE) con muestreos en tierra y cartografía topográfica en 3D para extraer patrones espaciales. Los resultados del estudio confirman (estadísticamente) que la vida microbiana en el yacimiento análogo terrestre de Pajonales no se distribuye de forma aleatoria, sino que se concentra en puntos biológicos irregulares fuertemente vinculados a la disponibilidad de agua a escalas de km a cm.
El impacto de la Inteligencia Artificial repite patrones de la época colonial
A continuación, el equipo entrenó redes neuronales convolucionales (CNN) para reconocer y predecir características geológicas a macroescala en Pajonales -algunas de las cuales, como el suelo con patrones o las redes poligonales, también se encuentran en Marte- y sustratos a microescala (o «microhábitats») con más probabilidades de contener biofirmas.
Al igual que el equipo de Perseverance en Marte, los investigadores probaron cómo integrar eficazmente un UAV/drone con rovers, perforadoras e instrumentos terrestres (por ejemplo, VISIR en ‘MastCam-Z’ y Raman en ‘SuperCam’ en el rover Perseverance de Mars 2020).
Europa Press- Foto internet-medios