Os cientistas desenvolveram um programa de inteligência artificial (IA) capaz de identificar possíveis formas de vida extraterrestre em amostras físicas, embora os detalhes exatos de seu funcionamento permaneçam desconhecidos.
Através de um novo algoritmo de aprendizado de máquina, treinado com diversas fontes, incluindo organismos vivos, fósseis, meteoritos e substâncias químicas sintéticas, os pesquisadores afirmam que a IA consegue distinguir com 90% de precisão amostras de origem biológica das não biológicas. No entanto, os processos internos desse algoritmo ainda são um enigma.
Os cientistas sugerem que esse teste inovador pode ser prontamente utilizado em tarefas como a detecção de sinais de vida em Marte, aproveitando dados coletados a partir de amostras de rochas marcianas obtidas pelo rover Curiosity.
Além disso, essa abordagem pode esclarecer as origens de rochas antigas enigmáticas encontradas na Terra. Os resultados da pesquisa foram divulgados na revista PNAS em 25 de setembro.
“Esses resultados indicam que poderemos identificar formas de vida de outros planetas e biosferas, mesmo que sejam consideravelmente diferentes da vida que conhecemos aqui na Terra”, afirmou Robert Hazen, coautor principal do estudo e astrobiólogo do Carnegie Institution for Science em Washington, DC, em um comunicado.
“Portanto, se encontrarmos indícios de vida em outros locais, poderemos determinar se a vida na Terra e em outros planetas compartilha uma origem comum ou se são distintas.”
“Em outras palavras, nosso método deve ser capaz de detectar a bioquímica alienígena, bem como a vida terrestre”, acrescentou.
“Isso é fundamental, pois identificar biomarcadores moleculares da vida na Terra é relativamente simples, mas não podemos presumir que a vida alienígena utilize o DNA, aminoácidos, etc. O nosso método procura padrões nas distribuições moleculares que surgem das necessidades da vida por ‘moléculas funcionais’.”
“O que realmente nos surpreendeu foi que treinamos nosso modelo de aprendizado de máquina para prever apenas dois tipos de amostras – bióticas ou abióticas – mas o método descobriu três populações distintas: abiótica, biótica viva e biótica fóssil. Por outras palavras, poderia distinguir amostras biológicas mais recentes de amostras fósseis – uma folha ou vegetal recentemente colhido, por exemplo, versus algo que morreu há muito tempo. Esta descoberta surpreendente dá-nos otimismo de que outros atributos, como a vida fotossintética ou os eucariontes (células com núcleo), também possam ser distinguidos.”
Para explicar o papel da IA, o coautor Anirudh Prabhu, do Carnegie Institution for Science, usa a ideia de separar moedas usando diferentes atributos – valor monetário, metal, ano, peso ou raio, por exemplo – e depois vai mais longe para encontrar combinações de atributos. que criam separações e agrupamentos mais matizados. “E quando centenas desses atributos estão envolvidos, os algoritmos de IA são inestimáveis para reunir as informações e criar insights altamente diferenciados.”
Cleaves acrescenta: “Do ponto de vista químico, as diferenças entre amostras bióticas e abióticas estão relacionadas a coisas como solubilidade em água, pesos moleculares, volatilidade e assim por diante.”
“A maneira mais simples de pensar sobre isso é que uma célula tem uma membrana e um interior, chamado citosol; a membrana é bastante insolúvel em água, enquanto o conteúdo da célula é bastante solúvel em água. Esse arranjo mantém a membrana montada como ela tenta minimizar o contato de seus componentes com a água e também evita que os ‘componentes internos’ vazem através da membrana.”
“Os componentes internos também podem permanecer dissolvidos na água, apesar de serem moléculas extremamente grandes, como cromossomos e proteínas”, diz ele.
“Portanto, se quebrarmos uma célula ou tecido vivo em seus componentes, obteremos uma mistura de moléculas muito solúveis em água e moléculas muito insolúveis em água espalhadas por um espectro. Coisas como o petróleo e o carvão perderam a maior parte do material solúvel em água ao longo da sua longa história.”
“As amostras abiológicas podem ter distribuições únicas neste espectro em relação umas às outras, mas também são distintas das distribuições biológicas”.
A técnica poderá em breve resolver uma série de mistérios científicos na Terra, incluindo a origem dos sedimentos negros de 3,5 bilhões de anos da Austrália Ocidental (foto em https://bit.ly/3YWbZ4Z) – rochas calorosamente debatidas que alguns pesquisadores afirmam conter Os micróbios fósseis mais antigos da Terra, enquanto outros afirmam que são desprovidos de sinais de vida.
Outras amostras de rochas antigas no norte do Canadá, na África do Sul e na China evocam debates semelhantes.
“Estamos aplicando nossos métodos agora para resolver essas questões de longa data sobre a biogenicidade do material orgânico nessas rochas”, diz Hazen.
E surgiram novas ideias sobre as potenciais contribuições desta nova abordagem noutros campos, como a biologia, a paleontologia e a arqueologia.
“Se a IA consegue distinguir facilmente a vida biótica da abiótica, bem como a vida moderna da antiga, então que outros conhecimentos poderíamos obter? Por exemplo, poderíamos descobrir se uma célula fóssil antiga tinha núcleo ou era fotossintética?” diz o Dr.
“Poderia analisar restos carbonizados e discriminar diferentes tipos de madeira de um sítio arqueológico? É como se estivéssemos apenas mergulhando os pés na água de um vasto oceano de possibilidades.”
Por: Anomalien, Eurekalert
