Procurar vida além da Terra não é uma tarefa simples. Embora possamos fazer certas suposições sobre que tipos de vida podem existir lá fora – que provavelmente seria baseada em carbono, como nós, e também precisaria de água líquida como a maioria das formas de vida na Terra – isso ainda é uma agulha muito pequena para procurar em o grande palheiro do universo. Recentemente, pesquisadores do Instituto SETI (Search for Extraterrestrial Intelligence) propuseram um método para fazer uso do aprendizado de máquina para ajudar na busca por vida em outros planetas.
A pesquisa, publicada na revista Astronomia da Natureza, descreve um método para procurar bioassinaturas. Essas são indicações de que existe vida em um planeta, como substâncias químicas específicas, que só são criadas pela vida até onde sabemos. Mas detectar essas bioassinaturas é complicado porque alguns deles também podem ser criados por processos não orgânicos.
Por exemplo, a presença de metano na atmosfera de um planeta pode ser considerada uma bioassinatura, pois muitas vezes é um subproduto da vida. No entanto, o metano também foi detectado em Marte, onde se acredita ser o resultado de processos geológicos, não biológicos – o que significa que vem de rochas, não da vida. Mas embora quase certamente não haja vida em Marte agora, há poderia ter sido em algum momento da história do planeta, e é difícil detectar pistas sobre isso em amostras de rochas.
Para ajudar a desvendar os fatores complexos que envolvem a detecção de vida à distância, a nova pesquisa analisou a vida como ela existe em lugares remotos da Terra para obter pistas sobre o que deveríamos procurar em outros planetas.
Aprendizado de máquina para detecção de bioassinatura
A nova pesquisa usa informações da vida encontradas em locais inóspitos da Terra, como as formações de sal no Salar de Pajonales, uma região de planície de sal no deserto de Atacama, no Chile. Os pesquisadores mapearam a vida encontrada aqui e, em seguida, treinaram um modelo de aprendizado de máquina sobre a distribuição da vida na região para ajudá-lo a reconhecer locais para vida em potencial a ser encontrada em outros locais.
Esse modelo de aprendizado de máquina ajudou a identificar a bioassinatura com mais precisão, o que significa que apenas uma área menor precisava ser pesquisada.
“Nossa estrutura nos permite combinar o poder da ecologia estatística com o aprendizado de máquina para descobrir e prever os padrões e regras pelas quais a natureza sobrevive e se distribui nas paisagens mais inóspitas da Terra,” disse o pesquisador principal Kim Warren-Rhodes do Instituto SETI. “Esperamos que outras equipes de astrobiologia adaptem nossa abordagem para mapear outros ambientes habitáveis e bioassinaturas”.
O plano de longo prazo para esse tipo de pesquisa é que ele possa ser usado por cientistas que planejam missões em outros planetas como Marte, para ajudá-los a restringir as áreas nas quais devem pesquisar. Ele poderia usar dados coletados por orbitadores que tiram imagens da superfície de um planeta e, em seguida, selecionam locais prováveis desses dados – e isso pode ajudar a descobrir indicações se de fato houve vida em Marte milhões de anos atrás.
“Com esses modelos, podemos projetar roteiros e algoritmos personalizados para guiar os rovers a lugares com maior probabilidade de abrigar vida passada ou presente – não importa o quão escondidos ou raros sejam”, disse Warren-Rhodes.