由於機器學習的發展，SETI領域，即尋找地外智能的領域，正在加速達到新的高度。在上週發表在《自然-天文學》上的一篇論文中，由多倫多大學的Peter Ma領導的研究小組分享了一種機器學習方法，用於挖掘來自”突破聆聽”項目的數據，以識別可能是潛在技術特徵的信號–即表明有智能外星文明的技術複雜性跡象。

“我認為這是一個非常重要的問題，作為人類要問：外太空還有其他人嗎？”

隨著人類越來越善於觀察宇宙並了解其歷史，我們是否孤獨的問題從未像現在這樣尖銳。如果地球之外有生命，我們怎麼能找到它？為什麼我們還沒有被聯繫到？要怎樣才能與外星文明建立起聯繫？

Peter Ma的研究集中在電磁波譜的一個特定部分，即窄帶無線電。雖然宇宙中的各種物體都會在廣泛的頻率範圍內發出輻射，但無線電頻率對於發送信號特別有效。而當我們人類使用無線電波進行通信時，我們使用的是窄帶，因為這更有效率。

SETI研究人員認為，外星文明如果在那裡也會這樣做。Peter Ma解釋說：”從技術角度來看，任何智能文明，如果他們也試圖通過電磁輻射（如無線電）進行傳輸，那麼在窄波段進行傳輸是有意義的。”

那為什麼我們還沒有被聯繫到？要怎樣才能與一個外星文明建立聯繫呢？

SETI的研究人員對無線電波段的一個特殊部分感興趣，大約在1420MHz範圍內。這被稱為氫線，對天文學家來說很重要，因為它是中性氫發出輻射的頻率，所以它是研究各種天文目標的關鍵。

研究人員認為，任何對恆星感興趣的外星文明也可能會關注這個波段，因此它被稱為”銀河系的飲水孔”。如果一個文明試圖在宇宙中進行交流，這是我們對他們用來進行交流的頻率的最佳想法。

這種方法是前些年許多SETI研究的基礎：通過梳理數據來尋找這個頻段的信號，通常使用一種叫做turboSETI的算法。該算法通過頻率搜索時間圖，尋找直線，這表明信號的存在。這是一種搜索大量數據的有效方法，但它也有問題–其中最重要的是過濾掉來自地球的干擾造成的誤報。

新方法採取了一種不同的方法。研究人員沒有直接分析這些信號，而是輸入原始觀測數據，然後模擬他們感興趣的那種信號，並訓練他們的算法來識別這些信號。

這使得信號識別有了更靈活的方法，在窄帶中挑選出忽上忽下的異常現象，即使它們沒有傳統算法所標示的簡單線條形狀。這是一種更普遍的方法，允許出現可能無法被地球上的工程師預測的信號類型。

“它也使該方法更快、更有效。”Peter Ma說：”人們最初所做的是採用經典算法，並在管道的某個地方附加了機器學習方法。現在，隨著機器學習領域的發展，整個管道可以是基於機器學習的。

這很重要，因為SETI本質上是一個數字遊戲：挑戰在於從足夠多的望遠鏡中獲取足夠多的數據，以增加探測的機會。梳理所有這些數據以找到宇宙乾草堆中的針，需要越來越高效的方法。

更廣泛的SETI領域是一個不尋常的事業，因為研究人員可以將他們的整個職業生涯用於尋找可能存在或不存在的東西。強大的望遠鏡陣列和機器學習技術等新工具可以幫助使搜索更加準確和精確。”Peter Ma說：”歷史上從來沒有一個更好的時機讓我們實踐SETI。但是，即使我們的星球之外確實存在生命，我們可能永遠沒有機會發現它。”

另一方面，還有一種誘人的可能性，那就是人類明天可能會探測到一個有趣的信號，甚至外星文明的證據可能已經存在於幾十年來從天空中收集的大量數據中。

這種滿足好奇心的前景使SETI研究人員一直在進行漫長的探索。”誰知道呢？可能現在就有一個突破性的信號存在於地下室的某個硬盤中。”Peter Ma說。”總得有人去看看，對嗎？”