Yapay zeka ve makine öğrenmesi dünya dışı yaşamı bulmamıza yardımcı olabilir mi?

Yazan:Pınar Korkmaz
Düzenleyen: Zeynep Eş Köse

Zamanın başlangıcından beri Arthur C. Clarke’ın da dediği gibi iki olasılık olduğunu düşündük. Ya evrende yalnızız ya da değiliz ve ikisi de eşit derecede korkutucu. Fakat insan ancak bilmediği şeyden korkar ve biyolojik tarafından onu diğer canlılardan ayıran tarafına geçtiğinde bilmediği şeyden korkmak yerine bilinmeyeni anlamak için çabalar. Bilinmeyeni anlama çabamızda ilerlerken ana konulardan birisi her zaman diğer dünyalarda da yaşamı aramak oldu. Fakat bu durum sanıldığından çok daha karmaşık.

Peki, tam olarak nereye bakacağımızı bilseydik diğer dünyalarda yaşam bulmak daha kolay olmaz mıydı?

Araştırmacılar dünya dışından örnek toplarken veya yaşam ararken o sırada kendilerinden uzaktaki algılama araçlarına sınırlı erişim sağlayabilirler. SETI Enstitüsü Kıdemli Araştırma Bilimcisi Kim Warren-Rhodes’un başında olduğu disiplinler arası bir çalışmada, Şili Atacama Çölü ve Altiplano sınırındaki Salar de Pajonales'teki tuz kubbeleri, kayalar ve kristallerde bulunan nadir yaşam incelenerek nadir yaşamı dünya dışında nasıl bulacağımıza dair öngörüler edinildi. Yaşamın dağılımıyla ilgili kalıplar ve kuralların örüntüsünü bulabilmek için makine öğrenimi modeli eğitildi ve bu model, kendisine öğretilmeyen yabancı yerlerdeki verilerin dağılımlarını bulabilmeyi ve tahmin edebilmeyi öğrendi. İstatistiksel ekoloji, yapay zeka ve makine öğrenmesi ile birleşerek %87.5’e kadar biyolojik imza tespit eden bu model, yaşam araması için gereken alanı %97’ye kadar azalttı.

Rhodes: “Çalıştığımız alan, doğadaki canlıların hayatta kalmasını ve kendilerini dünyadaki en zorlu görünen bölgelere yayabilmelerini sağlayan örüntüleri ve kuralları keşfetmek ve tahmin etmek için istatistiksel ekolojinin güçlü yönlerini alarak makine öğrenimiyle birleştirmemizi mümkün kılıyor.” dedi. Diğer astrobiyoloji ekiplerinin de diğer yaşanabilir habitatları ve biyolojik imzaları haritalayabilmesi için Rhodes ve ekibi, kendi çalışmalarının uyarlanması gerektiğini düşünüyorlar. Bu modellerle yaşam barındırma olasılığı en yüksek olan yerlere modelleri yönlendirebilmek için yol haritaları ve algoritmalar tasarlanabileceğini söylüyorlar.

Sonuç olarak değişik türde yaşanabilir habitat ve biyolojik imza için geliştirilen algoritmalar ve makine öğrenimi modelleri, yaşam içerme olasılığı en yüksek olan yerlere gönderilen otomatik gezegensel robotlar ile otomatikleştirilebilir ve bu modelleri en verimli şekilde bu alanda kullanmış olursunuz. Bu deney için Rhodes ve SETI Enstitüsü NASA Astrobiyoloji (NAI) ekibi, Mars analogu olarak Salar de Pajonales'i kullandı. Pajonales, yüksek rakımlı (3.541 m), yüksek UV’li, aşırı kurak bir kuru tuz gölü yatağıdır ve yaşama elverişli olmayan bir ortam olarak görünse de sadece buraya özgü bile yaşam formları bulunabilir.

NAI projesi uygulanırken ekip, tuz kubbeleri, kayalar ve kaymaktaşı kristalleri içinde yaşayan fotosentetik mikropları doğru bir şekilde inceleyebilmek için 7765'in üzerinde görüntü ve 1154 örnek topladı ve cihazları test etti. Pajonales’te drone görüntüleri kullanılarak uzaysal desenleri çıkarmak için simüle edilmiş yörünge (HiRISE) verileri, yer örneklemesi ve üç boyutlu topografik haritalamaya bağlandı. Çalışmanın sonucunda Pajonales’teki mikrobiyal yaşamın belirli bir örüntüde dağıldığı, km’den cm’ye kadar olan ölçekte suyun bulunduğu yerle güçlü bir bağlantısı olduğu ve düzensiz biyolojik sıcak noktalarda yaşamın toplandığı istatistiksel olarak doğrulandı.

Bulgulardan sonra ekip bu alandaki Mars veya başka gezegenlere benzeyen makro ölçekli jeolojik özellikleri ve mikro ölçekli biyolojik imza içeren alt katmanları tanımak ve tahmin etmek için evrişimli sinir ağlarını (CNN) eğitti. Ayrıca Mars’taki 𝙋𝙚𝙧𝙨𝙚𝙫𝙚𝙧𝙖𝙣𝙘𝙚 aracı gibi yer tabanlı geziciler ile dron veya İHA’ların nasıl birbirine uyumlanacağını da araştırdılar.

Ekibin bir sonraki araştırma hedefi ise benzer kurallar ve örüntülerin başka sistemlerde de çalışıp çalışmadığını öğrenmektir. Bunun için CNN’lerin antik stromatolit fosilleri ve mikrobiyomlarının konumunu ve dağılımını tespit ve tahmin etmesi beklenecektir. Bu şekilde kaplıcalar, donmuş topraklar ve kuru vadilerdeki kayalar gibi tamamen yeni ekosistemler keşfedilecek ve haritalandırılacak. Daha fazla kanıt bulundukça zorlu ortamlardaki yaşamın devam edebilmesine dair hipotezler tekrar test edilecek. Dünya’nın önemli analog ekosistem bölgeleri ve biyomları için biyoimza olasılıkları envantere alınacak.

SETI Enstitüsü NAI ekibinin özel sorumlusu Nathalie Cabrol’a göre: “Bu çalışmada biyoimza tespitinin yüksek oranını bulmak ana olay gibi görünse de çok farklı alanlardaki verilerin hepsini başarılı bir şekilde birleştirebilmemiz ve bu verileri mikrobiyal habitatlarla bağlamak daha az önemli değil.” dedi. “Ekibimiz, yaşanabilirliği karakterize edebilmek için gereken ölçek ve çözünürlüklerden yaşamı bulmamızı sağlayan ölçek ve çözünürlüklere geçiş için bir yol haritası çizdi. Bu süreçte küçük alanlar olmasına ve haritalamanın uzun sürmesine rağmen dronlar ve mikrobiyal ekolojiyi sahada uygulamak kritik bir stratejiydi.” diye ekledi. SETI Enstitüsü’nün NAI ekibi tarafından yürütülen bu çalışma ile evrende yaşam araştırmalarında biyolojik imzaların bulunmasında makine öğrenmesinin önü açılmış oldu.


𝙆𝙖𝙮𝙣𝙖𝙠𝙘̧𝙖:
SETI Institute. (2023, March 6). Can artificial intelligence help find life on Mars or icy worlds?. ScienceDaily. www.sciencedaily.com/releases/2023/03/230306143342.htm
SETI Institute. (2023, March 28). Can AI Help Find Life on Mars or Icy Worlds?. SciTechDaily. https://scitechdaily.com/can-ai-help-find-life-on-mars-or-icy-worlds/