به گزارش کارگروه فناوری اطلاعات سایبربان به نقل از اسپیس، با توجه به آنکه قابلیت جمع آوری نمونه از سیارات دیگر به شدت محدود است، هم اکنون محققان باید روی روش های حسگر از راه دور برای ردیابی نشانه های حیات بیگانه تکیه کنند. هر راه دیگری که به ارتقای روش کمک کند، بسیار کارآمد خواهد بود.
در همین راستا گروهی از محققان به رهبری کیم وارن رودز از انستیتوSETI در کالیفرنیا اشکال پراکنده حیات در گنبدهای نمکی، صخره ها و کریستال های Salar de Pajonales ( یک منطقه نمکی در مرز صحرای آتاکاما شیلی وآلتیپلانو یا فلات مرتفع) را نقشه برداری کردند.
ر مرحله بعد وارن رودز با مایکل فیلیپس محقق آزمایشگاه فیزیک کاربردی دانشگاه جان هاپکینز و فردی کالایتزیس محقق دانشگاه آکسفورد برای آموزش یک مدل ماشین یادگیری همکاری کرد تا ابزار مذکور بتواند الگوهای مربوط به توزیع حیات در مناطق نامساعد را شناسایی کند. مدل با کمک چنین آموزشی توانست همان الگوها را در چشم انداز وسیع تری ( از جمله مناطقی که احتمالا در سیارات دیگر قرار دارد) شناسایی کند.
محققان متوجه شدند این سیستم می تواند با ترکیب اکولوژی آماری و هوش مصنوعی،نشانه های زیستی را با دقت ۸۷.۵ درصد شناسایی کند.
محققان منطقه Salar de Pajonales به این دلیل برای آزمایش مدل ماشین یادگیری را انتخاب کردند که آنالوگ مناسبی برای منظره خشک و لم یزرع مریخ امروزی است. این منطقه یک بستر دریاچه نمک خشک در ارتفاع بالا است که درمعرض درجه بالایی از اشعه ماوراء بنفش قرار دارد. هرچند به نظر می رسد Salar de Pajonales برای زندگی نامساعد است، اما همچنان برخی از موجودات در آنجا زندگی می کنند.
