Onderzoekers hebben een AI-systeem ontwikkeld dat met 90 procent zekerheid tekenen van leven kan ontdekken in grondmonsters van planeten. Dit systeem kan in combinatie met slimme sensoren op onbemande ruimtevaartuigen bijdragen aan onze zoektocht naar buitenaards leven.
We zijn op zoek naar leven op andere planeten, maar als we het zouden vinden, weten we dan wel hoe we het moeten herkennen? Om ons hierbij te helpen, ontwikkelden Amerikaanse onderzoekers een systeem, gebaseerd op kunstmatige intelligentie, dat kan zien of de stofjes in monsters door levende organismen zijn gemaakt, of tot stand kwamen via andere, niet-biologische processen.
Onderzoekers van het Carnegie-Instituut van Washington in de Verenigde Staten analyseerden 134 verschillende koolstofrijke monsters om het AI-systeem te trainen en te testen. Een gedeelte van deze monsters had een biologische oorsprong, zoals een rijstkorrel of een mensenhaar. De andere monsters waren abiotisch en bestonden bijvoorbeeld uit aminozuren die in het laboratorium gemaakt waren of koolstofrijke meteorieten.
Er is meer onderzoek nodig naar het effect van ruimtevaart op het brein
Om veilig te ruimtereizen, moeten we in beeld krijgen hoe een leven zonder aardse zwaartekracht de hersenen beïnvloedt, stelt Elisa Raffaella Ferrè.
De AI werd getraind met meetresultaten van twee derde van de monsters. De overige monsters gebruikten ze om het systeem te testen. Uit het onderzoek, gepubliceerd in het tijdschrift PNAS, bleek dat het systeem in 90 procent van de gevallen correct aangaf of een monster van biologische of niet-biologische aard is.
Scheiden en identificeren
De onderzoekers analyseerden de monsters met een gaschromatografie-massaspectrometer. Dit analytische apparaat bestaat uit een gaschromatograaf, die stofjes in een mengsel van elkaar kan scheiden, en uit een massaspectrometer, die de verschillende bestanddelen vervolgens kan identificeren.
In de gaschromatograaf gaat het monster door een smalle buis gevuld met een vloeibare polymeer. De verschillende bestanddelen van het mengsel hebben andere chemische en fysische eigenschappen en gaan daardoor niet allemaal even snel door de buis, dus worden ze gescheiden. Eenmaal aangekomen in de massaspectrometer schieten energierijke elektronen de gescheiden stofjes kapot. De fragmenten die de detector meet, geven informatie over het kapotgeschoten stofje.
De onderzoekers voerden de resultaten aan het AI-systeem en vertelden het welke grafiekjes hoorden bij biologische monsters en welke niet. Met deze informatie kan het systeem bepalen of voor hem onbekende monsters van biologische of niet-biologische oorsprong zijn. Deze strategie, waarbij een AI-systeem getraind wordt met data, heet ook wel machine learning.
Buitenaards leven
Met deze techniek kunnen we achterhalen of er op bepaalde plekken leven is of was. We kunnen bijvoorbeeld heel oude monsters van de aarde onderzoeken om te begrijpen wanneer het leven op aarde begon. Ook kunnen we mogelijk met monsters van andere planeten uitvinden of daar tekenen van leven zijn.
De onderzoekers trainden het AI-systeem om biologische en niet-biologische monsters van elkaar te kunnen onderscheiden. Tot hun verbazing kan het systeem niet twee maar drie verschillende groepen onderscheiden: niet-biologisch, levend biologisch en fossiel biologisch.
Het is niet met zekerheid te zeggen of het AI-systeem ook buitenaards leven, dat mogelijk erg verschilt van aards leven, kan herkennen. Toch staan de onderzoekers hier positief in. Ze verwachten dat buitenaardse niet-biologische monsters lijken op aardse niet-biologische monsters, die onderling erg vergelijkbaar waren. Biologische monsters van een andere planeet zijn mogelijk wel verschillend van biologische monsters van de aarde, maar de stoffen die erin zitten zijn geselecteerd op hun functie in levende systemen. Dat zal het AI-systeem waarschijnlijk wel kunnen onderscheiden van niet-biologische monsters.
Mogelijk kan het systeem uiteindelijk zelfs specifiek bepalen om wat voor leven het gaat, bijvoorbeeld of de cellen een celkern hebben en of de organismen in staat zijn tot fotosynthese. Ook zal het systeem kunnen bepalen hoeveel een levensvorm van een andere planeet verschilt van de levensvormen die we op aarde kennen. Daarmee kunnen we erachter komen of het leven op aarde en op andere planeten van een gemeenschappelijke oorsprong kwam, zogeheten panspermie, of dat ze van verschillende oorsprong zijn.
Tijdwinst
Astronoom Leon Koopmans van Rijksuniversiteit Groningen is ervan overtuigd dat het nieuwe AI-model zeer krachtig is. ‘Het grote voordeel van AI-systemen is dat ze enorm snel zijn in het geven van aanwijzingen en heel veel patronen kunnen zoeken in een korte tijd, die door de mens misschien gemist worden.’
Koopmans wijst nog op een ander belangrijk pluspunt van het systeem. ‘Soms kunnen de analyses ook ter plekke plaatsvinden, zonder dat de meetresultaten van de grondmonsters eerst over een trage verbinding teruggestuurd hoeven te worden naar de aarde. In geval van een ruimte- of planeetmissie bespaart dat veel tijd en energie.’
Toch denkt Koopmans dat we de kracht van kunstmatige intelligentie op basis van machine learning niet moeten overschatten. ‘Momenteel zijn AI-systemen maar zo goed als de trainingsdata waarop deze zijn gebaseerd. De systemen vervangen of produceren niet de kennis die nodig is om het AI-systeem te trainen. Die trainingsinformatie is vaak verkregen door bijvoorbeeld complexe waarnemingen of laboratoriumwerk. En dat is juist veruit het meeste werk. Ik zie AI meer als ondersteuning dan als vervanging van de mens.’
