Un equipo internacional de investigadores ha descubierto que la Inteligencia Artificial (IA) puede ayudar a identificar patrones ocultos en datos geográficos que podrían indicar vida en Marte.
Dado que solo hay unas pocas oportunidades para tomar muestras de Marte en la búsqueda de vida más allá de la Tierra, es crucial que estas misiones apunten a lugares con las mejores posibilidades de albergar vida extraterrestre. El nuevo estudio, dirigido por un equipo internacional de más de 50 investigadores, asegura que esto puede respaldarse mediante el uso de métodos de inteligencia artificial y aprendizaje automático. Esta tecnología podría usarse para identificar patrones ocultos en datos geográficos que podrían indicar la presencia de vida en Marte.
El trabajo, ‘Marco de órbita a tierra para decodificar y predecir patrones de firma biológica en análogos terrestres‘, fue publicado en Astronomía de la naturaleza.
El modelo resultante pudo localizar firmas biológicas con el potencial de indicar vida en Marte.
La primera parte del estudio, dirigida por el Dr. Kimberley Warren-Rhodes en el Instituto SETI, fue un estudio ecológico de un área de 3 km² en la cuenca del Salar de Pajonales, en la frontera del Desierto de Atacama chileno y el Altiplano en América del Sur. Esto se utilizó para mapear la distribución de microorganismos fotosintéticos. La secuenciación de genes y la espectroscopia infrarroja también se han utilizado para revelar distintos marcadores de vida llamados «biofirmas». Las imágenes aéreas se combinaron con estos datos para entrenar un modelo de aprendizaje automático para predecir qué tipos de macro y microhábitats se asociarían con firmas biológicas que podrían indicar vida en Marte y otras áreas.
El modelo resultante puede encontrar y detectar firmas biológicas hasta el 87,5 % del tiempo en datos en los que no se ha entrenado. Esto redujo el área de búsqueda necesaria para encontrar un resultado positivo hasta en un 97 %. En el futuro, la vida en Marte podría detectarse identificando las áreas con mayor probabilidad de contener signos de vida. Estos pueden ser buscados ampliamente por los rovers.
Freddie Kalaitzis, del Departamento de Ciencias de la Computación de la Universidad de Oxford, lideró la aplicación de métodos de aprendizaje automático a los datos de microhábitat. Él dijo: “Este trabajo demuestra un protocolo guiado por IA para buscar vida en un análogo terrestre similar a Marte de la Tierra. Este protocolo es el primero de su tipo entrenado en datos de campo reales y su aplicación puede, en principio, generalizarse a otros entornos extremos de protección de la vida. Nuestros próximos pasos serán probar este método más en la Tierra, con el objetivo de que eventualmente ayude a nuestra exploración de firmas biológicas en otras partes del sistema solar, como Marte, Titán y Europa”.
En la Tierra, uno de los análogos más parecidos a Marte es el Pajonales, un lecho lacustre de cuatro millones de años. Esta zona se considera inhóspita para la mayoría de las formas de vida. Comparable a las cuencas de evaporita en Marte, la cuenca de gran altitud (3541 m) presenta niveles excepcionalmente fuertes de radiación ultravioleta, hipersalinidad y bajas temperaturas.
Es probable que la disponibilidad de agua sea el factor clave que determine la posición de los puntos críticos biológicos
Los investigadores recolectaron más de 7700 imágenes y 1150 muestras y probaron la presencia de microbios fotosintéticos que viven dentro de los domos de sal, rocas y cristales de alabastro que forman la superficie de la cuenca. Aquí, los marcadores de biofirma, como los pigmentos carotenoides y la clorofila, se pueden ver como capas de color rosa anaranjado y verde, respectivamente.
Los datos de muestreo del suelo y el mapeo topográfico en 3D se combinaron con las imágenes del dron para clasificar las regiones en cuatro macrohábitats (escala de metro a kilómetro) y seis microhábitats (escala de centímetros). El equipo descubrió que los organismos microbianos en todo el sitio de estudio estaban agrupados en distintas regiones, a pesar de que los Pajonales tenían una composición mineral casi uniforme.
Los experimentos de seguimiento han demostrado que, en lugar de las variables ambientales, como los nutrientes o la disponibilidad de luz, el factor más probable es determinar la posición de los puntos críticos de disponibilidad de agua biológica.
El conjunto de datos combinado se utilizó para entrenar redes neuronales convolucionales para predecir qué macro y microhábitats estaban más fuertemente asociados con biofirmas.
«Tanto para las imágenes aéreas como para los datos terrestres a escala centimétrica, el modelo demostró una alta capacidad predictiva de la presencia de materiales geológicos que es muy probable que contengan firmas biológicas», dijo el Dr. Kalaitzis.
«Los resultados se alinearon bien con los datos reales, con la distribución de firmas biológicas fuertemente asociada con las características hidrológicas».
El modelo se utilizará para mapear otros ecosistemas agresivos.
Ahora, los investigadores tienen la intención de probar la capacidad del modelo para predecir la ubicación de sistemas naturales similares pero diferentes en la cuenca de Pajonales, como los antiguos fósiles de estromatolitos. El modelo también se utilizará para mapear otros ecosistemas hostiles, incluidas las aguas termales y los suelos de permafrost. Los datos de estos estudios informarán y probarán hipótesis sobre los mecanismos que utilizan los organismos vivos para sobrevivir en ambientes extremos.
«Nuestro estudio ha demostrado una vez más el poder de los métodos de aprendizaje automático para acelerar el descubrimiento científico a través de su capacidad para analizar inmensos volúmenes de datos dispares e identificar patrones que serían imperceptibles para un humano», agregó Kalaitzis.
«En última instancia, esperamos que el enfoque facilite la compilación de una base de datos de probabilidad de biofirma y algoritmos de habitabilidad, hojas de ruta y modelos que puedan servir como guía para la exploración de la vida en Marte».
