地球以外是否存在生命？這個問題似乎是科學界最迷人又難解答的問題之一。宇宙浩瀚，看似生命存在的機會眾多，但恒星之間距離遙遠，尋覓生命如大海撈針。

過去，科學家依靠傳統觀測手段和理論模型，苦苦搜尋生命跡象卻毫無進展。如今，太空與地面望遠鏡不斷收集海量天文數據，規模與復雜度遠超人類處理能力。傳統探索手段也面臨困境，超精密建模和模擬在處理復雜天文數據時，常顯得力不從心。

隨著科技發展，一種全新的“助手”——人工智能（AI），正逐漸嶄露頭角，為這一領域帶來新的希望與可能。

代理型AI“投身”行星樣本研究

英國《自然》雜志2日刊文稱，AI科學家“團隊”加入研究地外天體，尋找外星生命的行列。

美國國家航空航天局（NASA）戈達德太空飛行中心開發出一種“AstroAgents”系統，能在天體生物學領域自主進行研究。該系統由8個“AI代理”組成，可分析數據并生成科學假設，涵蓋從閱讀文獻到撰寫論文的全流程，屬于旨在實現科學研究自動化的AI工具之一。

開發者計劃利用該系統研究NASA將從火星帶回的樣本，以確定其中是否含有表明過去或現在生命存在的有機分子。4月27日，團隊在新加坡舉行的國際學習表征會議上展示了這一成果。該中心天體生物學家丹妮絲·巴克納表示，AstroAgents有助于理解分子在太空及地球上的形成與保存，還能確定應尋找的特定生命跡象。

AstroAgents是“代理型AI”系統的一個實例。這類系統基于大型語言模型，能更主動地參與研究，自主決定研究內容和方式，評估結果并調整策略。

為指定代理AI的行為，團隊向大型語言模型輸入不同提示。如“數據分析師”識別數據重要模式，“規劃師”分配任務給其他“科學家”代理，“評估師”評估假設并提出改進建議。

團隊用兩種大型語言模型——Claude Sonnet 3.5和Gemini 2.0 Flash來驅動AstroAgents，并向每個系統輸入了來自地球各地的8塊隕石和10個土壤樣本的質譜數據，進行了10輪優化。最終，Gemini生成101個假設，Claude生成48個。巴克納認為，Gemini生成的假設中有36個合理、24個新穎，Claude生成的雖無原創但錯誤少、更清晰。

機器學習識別370顆系外行星

得益于天文學家的不懈努力，我們如今已知，銀河系中至少有5600顆行星繞著遙遠恒星運轉。這些行星形態各異，有的比木星、土星還大，是巨型氣態行星；有的比火星還小，是熾熱的巖石行星；大多數則由氣體、巖石或兩者混合而成，大小通常介于地球與海王星之間。

然而，迄今為止，尚未發現生存環境與地球相似的行星，也沒有行星具備人們所知的生命所需條件或化學物質。不過，AI或許能帶來轉機，因為它可進行更深入分析。

美國《國家地理》雜志報道稱，NASA機器學習科學家哈梅德·瓦利扎德甘與天文學家喬恩·詹金斯攜手開展了一個旨在搜尋系外行星的自動化項目。

2018年，該團隊著手構建機器學習程序ExoMiner。他們用已確認的行星數據和誤報數據訓練這款軟件，并在開普勒望遠鏡觀測檔案中對其進行了測試。很快，ExoMiner識別出370顆此前未知的系外行星，判斷至今未被推翻。只是這370顆行星中，沒有一顆與地球或太陽系行星相似，它們大多環境惡劣，不適宜生命存在。

瓦利扎德甘稱，ExoMiner只是利用AI解決這一“大海撈針”難題的起點。未來十年，下一代系外行星搜尋望遠鏡將發射，更多數據將傳回，同時，新的AI行星探測器也在研發中。

SETI助力監測宇宙電磁信號

澳大利亞《對話》雜志報道稱，美國加州大學伯克利分校的搜尋地外文明（SETI）計劃研究中心致力于尋找外星智慧文明的電磁信號，其波長范圍涵蓋從無線電波到可見光。

目前，這項計劃正在為甚大天線陣列（VLA）構建一套并行的、由AI驅動的軟件系統。VLA是一個龐大的射電望遠鏡陣列，由28個直徑25米的碟形天線組成，散布在沙漠平原。投入使用后，這套AI系統每秒能處理2太字節數據，而現代筆記本電腦存儲容量通常僅1TB。

SETI研究中心首席執行官比爾·戴蒙德稱，隨著搜尋外星生命工作的推進，AI應用愈發“不可或缺”。傳統上，SETI主要尋找類似人類使用的窄帶信號，但若外星先進技術使用寬帶射電，傳統方法就失效了。而AI能處理海量數據，從“音頻圖像”中截取“快照”尋找模式，增加了新的搜尋目標。

SETI還參與了“突破聆聽”計劃，正在廣泛掃描百萬顆恒星和百個星系，尋找生命存在的證據。

此外，AI也被用于探測地球附近更溫和的生命跡象。卡內基科學研究所正利用AI分析火星巖石樣本。他們發現，AI區分生物和非生物物質的準確率近90%。

目前，SETI研究中心計劃用該系統分析地球古老樣本和火星隕石樣本，未來也許將其送入土衛二羽流或在火星著陸。

AI在天文研究中尚處于早期階段，隨著越來越多的數據被收集和分析，探測到外星生命的可能性正在不斷增加。