一群有影響力的科學家提出了一種尋找外星人的現代方法，呼籲更好地利用大數據和機器學習技術。這或許將為尋找外星智慧生命帶來新思路。
這個由22名科學家組成的團隊於8月30日在arxiv.org網站發布了一份新報告，認為目前的方法以地球人類為基點，可能會產生偏差，需要更好地利用新工具，即來自望遠鏡的海量數據和新的電腦算法以挖掘數據，去發現未曾被注意到的天體物理上的奇異現象。這些奇異之處也許會指向外星人造的物體或現象。例如，大氣中的氯氟烴和氮氧化物可能出於工業污染。或者也許有一天，科學家們可以檢測到戴森球（Dyson sphere）排出廢棄熱量的跡象——戴森球是一種理論上存在的巨大外殼——即外星文明圍繞一顆恆星建造起來的一種結構，以充份利用恆星能量。
加州理工學院天文學家、該報告的主要作者之一喬戈夫斯基（George Djorgovski）表示：「我們現在擁有來自各種波長的天空調查大量數據集，一次次地覆蓋天空。」過去從未有過這麼多關於天空的信息，並且我們還有探索它的工具。特別是，機器學習讓我們得以搜尋可能不顯眼的一些目標，它們在某種程度上，隨著時間的不同，顏色或行為會發生變化。例如，這可能包括在某些波長下閃爍或異常明亮的物體，或一些速度異常快、路徑又無法解釋的物體。
當然，大多數時候，數據異常值都有普通的解釋，比如儀器發生了錯誤。有時異常值確實揭示了一些新奇的東西，不過仍具有天體物理特性，而非人為的來源。比如一種以前沒見過的變星、類星體或超新星爆炸這類現象。科學家們稱，新方法有一個關鍵優勢，即無論發生甚麼，總能學到一些東西。報告引用了天體物理學家戴森（Freeman Dyson）的話：「每次對外星文明的搜尋都應該有完善的計劃，這樣即使沒有發現外星人，也應該得出有趣的結果。」
起源與科學背景
該項目源於2019年在加州理工學院凱克空間研究所舉行的一次大型研討會，成員包括來自加州理工學院和美國太空總署（NASA）噴氣推進實驗室（JPL）的天文學家和行星科學家團隊，以及其他一些人，例如來自賓夕凡尼亞大學的Jason Wright州立系外行星和宜居世界中心以及海豚交流專家赫津（Denise Herzing），她因在非人類語言方面的專長而列席會議。
外星「科技特徵」（Technosignature）搜索與天體生物學相關，但又有所不同，天體生物學通常是指更廣泛地尋找宜居行星（但不一定已有生物生存其上）。天體生物學家尋找生命必需元素的跡象，例如液態地表水和具有氧氣、二氧化碳、甲烷或臭氧化學特徵的大氣。搜索通常包括尋找簡單生命形式的證據，例如細菌、藻類或水熊蟲。韋伯太空望遠鏡幫助天文學家在這方面取得了進展，它能夠對行星大氣進行光譜分析，並發現了像K2-18 b（含有甲烷和二氧化碳）和GJ 486 b（含有水蒸氣）這樣充滿希望的世界。
科技特徵搜索也不同於搜索由外星文明偶然或故意發出的無線電信號。這種對地外文明的搜尋，也稱為 SETI，通常涉及使用專用電波望遠鏡，如艾倫望遠鏡陣列（Allen Telescope Array）和格林班克天文台（Green Bank Observatory），以一定頻率掃瞄天空的部份區域。
但喬戈夫斯基及其同事擔心這類搜索受到偏見的困擾，比如外星人是甚麼樣子的、開發了哪些技術、如何殖民行星及其發出的信號種類等。他們指出，其它生物可能不具有基於碳和水的化學物質，並且可能使用我們所不熟悉的技術。「過去，對外星智慧生命的搜尋主要集中在無線電上。我個人對此持懷疑態度，因它基本上假設一個先進文明想要發送信號，並會使用20世紀中葉地球的技術來做到這一點，還要以我們可以理解的方式的做，」他說。作為一個例子，他提到在20世紀初，世界大戰和其它虛構作品引發了人們對火星人的猜測，發明家特斯拉、愛迪生和馬可尼都認為檢測到了來自火星的信號，其實只不過是無法穿透地球大氣層的低頻無線電噪聲。
由數據驅動的搜索
其他人則對SETI廣播更加樂觀。該報告的合著者、加利福尼亞州山景城SETI研究所的天文學家謝赫（Sofia Sheikh）表示，此類研究應被視為對由數據所驅動的新方法的良好補充，而非競爭者。 「我認為在這個領域仍有一個非常重要的位置，因為天空很大。猜測可能的地方用以提高機會，是值得的，」她說。
謝赫認為該報告是幫助科研人員實現共同目標的有用資源，從而科研人員在深入研究他們所不熟悉的數據、或在編寫能檢測異常現象的算法時，不需要從零開始。在過去十年中，她和其他天文學家就曾利用了來自美國太空總署和歐洲太空總署等機構的光學和紅外數據。他們還期待在智利北部建造魯賓天文台（Vera Rubin Observatory），該天文台將收集約100億顆銀河系恆星和數百萬個太陽系天體的數據。
以前的天體勘測主要是繪製天空地圖，包括那些發出最微弱星光的天體。但最近的許多努力都是所謂「時域調查」的一部份，即天文學家多次繪製同一塊天空的地圖，以便看到時間所帶來的變化。 「如果你再次帶著望遠鏡回來，你會發現天空不是靜止的，物體在脈動、擺動和振蕩，」未參與該報告的華盛頓大學天文學家達文波特（James Davenport）說道。他說，「這就是為甚麼重複測量可以產生關鍵數據的原因。 很多事情每分鐘、每小時、每年都在變化著。」
達文波特同意該報告作者的觀點，即數據驅動的技術，包括通過反覆觀測天空獲得的數據。也就是說，在龐大宇宙中找到一個被外星智慧生物統治的世界，這種像大海撈針一般的方法或許很有用。這些技術可能包括研究遙遠物體發出的光變發生彎曲的情形，看看其行為是否與預期不同，或者研究太陽系中天體的運動軌道參數，因為有些物體可能不是起源於這裏。機器學習工具包括「無監督學習」（unsupervised learning），其中電腦算法分析特定波長下恆星或類星體的亮度等參數，並可以識別統計異常值。
誘發更多深入研究
很難知道哪些異常現象會變得有趣，甚至揭示外星生命的跡象。例如，2017年，一個被稱為「奧陌陌」（Oumuamua）的雪茄形狀物體，它看起來要麼是小行星，要麼是彗星，飛掠太陽系。哈佛大學天體物理學家勒布（Avi Loeb）認為其奇怪的加速軌道可以用它是一艘外星飛船來解釋，這一觀點引發了爭議。今年3月的新研究證明，這顆星際闖入者其實不過是顆彗星，儘管是一顆奇怪的彗星，沒有尾巴，並且由於排出的氫而自行加速。 奧陌陌確實是一個異常物體，它引發了有趣的科學研究，而這類由數據驅動的研究可能會發現更多類似的物體。
喬治梅森大學計算社會科學家貝里亞（Anamaria Berea）沒有參與該項目，她表示，關於科技特徵搜索的新研究並未表明該領域的真正轉變，而是展示了該領域正在進一步發展，並吸引具有不同角度和專長的科學家。她表示，值得使用新工具來探索為其它目的而收集來的數據集，希望找到那些有趣的奇異性。「十年、二十年前，我們還沒有人工智能和電腦技術的爆炸式增長，」她說，現在這些技術也可以用於處理已經存檔的歷史數據。
科技特徵搜索是熱門的研究主題，但仍屬一個缺乏穩定資金的小領域。貝里亞希望數據驅動方法所發展出科學分支，包括從那些最終證明並非外星人的異象中學習，將推動這一領域的發展，並賦予它更多的合理性。與此同時，新論文的研究團隊將繼續探索人類最深刻的問題之一：人類在宇宙中是否是孤獨的存在。#
------------------
🏵️《九評》20周年
https://hk.epochtimes.com/category/專題/退黨大潮
🔔下載大紀元App 接收即時新聞通知
🍎iOS：https://bit.ly/epochhkios
🤖Android：https://bit.ly/epochhkand
