Mars’ta yaşam izleri bulma konusunda hangi alanın inceleneceğine karar vermek büyük önem taşıyor çünkü yolculuk oldukça maliyetli. Bütçenin boşa harcanmaması için mevcut verileri en iyi şekilde değerlendirecek bir yapay zekâ oluşturulmaya çalışılıyor.
Yapay zekâ ve makine öğrenimi, Mars’ta yaşam arayışını çok daha az zahmetli hale getirebilir. SETI Enstitüsünden astrobiyolog Kimberley Warren-Rhodes liderliğindeki uluslararası bir araştırma ekibi bu araçların, yaşam belirtilerinin varlığına işaret edebilecek coğrafi alanlardaki gizli kalıpları tanımlayabildiğini gösterdi.
Warren-Rhodes, “İstatistiksel ekolojinin gücünü makine öğrenimi ile birleştirmemiz, Dünya’nın kurallarını keşfetmemize ve tahmin etmemize olanak tanıyor. Ekip olarak yaşanabilir ortamları ve biyo-imzaları haritalıyoruz. Bu modeller ile, ne kadar gizli olursa olsun geçmişteki veya şimdiki yaşam barındırma olasılığı en yüksek olan yerlere gezgin araçları yönlendirmek için özel olarak hazırlanmış yol haritaları ve algoritmalar tasarlayabiliriz.” diye açıkladı.
Araştırmacılar, 2,78 kilometrekarelik bir alanda dikkatli bir şekilde 7.765 görüntü ve 1.154 örnek alarak fotosentetik bakterilerin varlığını ele veren belirgin biyo-imzaları aradılar. Ayrıca Mars’ın yörüngesindeki uydular tarafından elde edilen görüntüleri simüle etmek için dronları kullandılar ve 3B topoğrafik haritalar eklediler. Tüm bu bilgiler daha sonra yapay zekâyı havzadaki yaşam olan yapıları tanıması için eğitmek üzere sinir ağlarına (CNN’ler) yüklendi. Ve ilginç bir şekilde CNN’ler, bölgenin neredeyse tekdüze mineral bileşimine rağmen havzadaki mikrobiyal yaşamın dağılımındaki kalıpları tanımlayabildi.
Mars’ta yaşam arayışı için daha uygun olan CNN’ler, araştırmacıların biyo-imzaları zamanın yüzde 87,5’ine kadar doğru bir şekilde tanımlamasını sağladı. Bu oran rastgele aramalar için yüzde 10’a kadar çıktı ve taramaları gereken alan miktarını yüzde 85 ila 97 oranında azalttı.
Derleyen: Nazlıcan Vatansever
