Der Traum, Nachbarn unter den Sternen zu finden, ist kraftvoll. Mit welchen Methoden wir sie finden? Möglicherweise fehlerhaft.
Künstliche Intelligenz kämpft mit Dingen, die sie noch nie zuvor gesehen hat. Das haben zwei Forscher der Michigan State University, Christoph Adami und Ankit Gupta, in einer Simulation nachgewiesen. Sie testeten die Fähigkeit der KI, Leben außerhalb der Grenzen unseres Planeten zu erkennen.
Das Ergebnis war für die Maschine nicht schön.
KI hat eine „Achillesferse“. Es ist die Tendenz, unbekannte Daten falsch zu klassifizieren. Adami bezeichnet diese Proben als „außerhalb der Verteilung“. Eine außerirdische Mikrobe vor einen Bot stellen, der nur auf die Biologie der Erde trainiert ist? Es wird nicht wissen, was passiert. Die Maschine könnte einfach aus dem Nichts eine Lebensform halluzinieren.
„Wir hatten zuvor gesehen, dass KI im Gegensatz zu ihrem Trainingssatz einen großen blinden Fleck beim Umgang mit Daten hat“, erklärte Adami. Es ist unglaublich einfach, den Algorithmus dazu zu bringen, Leben zu sehen, wo es keines gibt.
Digitale Biologie als Stresstest
Wie testet man das Unbekannte? Sie brauchen eine Grundwahrheit.
Adami nutzt Avida, eine digitale Evolutionsumgebung. Es wurde 1993 ins Leben gerufen und beherbergt Computerprogramme, die sich wie Organismen verhalten. Sie replizieren. Sie konkurrieren um CPU-Zyklen. Sie entwickeln sich. Es handelt sich um einen Code, der sich als Kohlenstoffleben ausgibt, aber zu Testzwecken einen riesigen, beschrifteten Datensatz bereitstellt.
Die Lebensformen und Nichtlebensprogramme weisen sehr ähnliche Kodierungsstrukturen auf. Die Unterschiede sind subtil. Dies spiegelt die Realität der Astrobiologie wider. Außerirdische würden wahrscheinlich nicht wie wir aussehen. Möglicherweise verwenden sie nicht einmal DNA. Aber der rechnerische Fingerabdruck könnte für uns immer noch verdächtig ähnlich aussehen.
Das Duo verbrachte drei Monate damit, 1.000 parallele Maschinen zu analysieren. Ihre Aufgabe? Bringen Sie einer KI bei, Code, der Leben darstellt, von Code zu unterscheiden, der dies nicht tut.
Sie begannen mit zufälligen Molekülsequenzen. Dann haben sie eine Sache nach der anderen optimiert. Das Ziel war narrensicher: Die Nicht-Leben-Sequenz für den Algorithmus immer mehr wie Leben aussehen zu lassen.
„Innerhalb von etwa 15 Änderungen … könnten wir die KI dazu bringen, sich bei einer Lebensklassifizierung absolut sicher zu sein“, sagte Adami.
Das Selbstvertrauen erreichte seinen Höhepunkt. Die Genauigkeit hat ihren Tiefpunkt erreicht.
Bei 100-prozentiger Sicherheit hat das Programm nie das tatsächliche Leben identifiziert. Es sah Geister. Dies geschah durchgängig in allen Startsequenzen.
Der Apfel, die Banane und die Mikrobe
Warum ist das wichtig?
KI ist hervorragend darin, Muster in Daten zu verarbeiten, die wir verstehen. Es ist von unschätzbarem Wert, um Lärm zu filtern. Aber es erfordert Kontext.
„Wenn man eine KI nach etwas aus ihren Trainingsdaten fragt, ist sie normalerweise richtig“, bemerkte Adami. Trainieren Sie es, um Äpfel zu identifizieren. Mehr Äpfel zeigen? Es funktioniert. Zeigen Sie es Bananen? Verwirrung. Die Banane ist „außerhalb des Vertriebs“. Andere Form. Verschiedene Funktionen. Der KI fehlen die Anhaltspunkte, um ein gültiges Urteil zu fällen.
Wir stehen vor genau dem gleichen Problem mit außerirdischen Mikroben.
Wir haben keine Ahnung, wie außerirdisches Leben biologisch aussehen wird. Es könnte sich radikal von terrestrischen Organismen unterscheiden. Daher stellen sie Daten dar, die für unsere aktuellen KI-Modelle „außerhalb der Verteilung“ liegen. Dafür gibt es keine Trainingsdaten. Die KI hat keinen Kontext, um zu überprüfen, ob ein bestimmter Molekülcluster tatsächlich lebt oder nur chemisch verrauscht ist.
„Sie müssen Ihre Trainingsdaten kennen“, sagte Adami. „Wenn die Testdaten aus derselben Verteilung wie das Training stammen, ist alles in Ordnung. Das kann man bei außerirdischer Biologie nicht garantieren.“
Weltraummissionen und Massenspec-Fallen
Dies ist nicht nur ein theoretisches Risiko. Es betrifft kommende Missionen.
Stellen Sie sich einen Rover auf dem Mars vor, der in einen Felsen bohrt. Es findet eine Struktur. Wenn der Roboter einen erkennbaren zellähnlichen Klecks sieht, können wir ihn überprüfen. Wir können es mit chemischen Bädern und Mikroskopie testen. Die Daten sind direkt.
Aber die direkte Visualisierung ist die Ausnahme und nicht die Regel.
Zukünftige Suchen basieren auf Massenspektrometrie. Sie suchen nach molekularen Prozessen in Atmosphären wie der Venus, unter dem Eis der Ozeane Europas oder auf fernen Exoplaneten, die vom geplanten Habitable Worlds Observatory der NASA (geplant für das Startfenster 2040) beobachtet werden.
Bei den Daten handelt es sich um komplexe chemische Signaturen, nicht um hochauflösende Fotos.
„Wenn eine KI auf einer Mission Massenspektrometriedaten analysiert … könnte sie ein positives Urteil über das Leben fällen, das absolut keinen Bezug zum tatsächlichen Leben hat“, warnte Adami. Die Maschine wird selbstbewusst eine Entdeckung verkünden. Die Entdeckung wird falsch sein. Das Signal ist eine nicht-biologische Nachahmung, und die KI lässt sich täuschen, da ihr der Kontext für die echte außerirdische Biologie fehlt.
Nächste Schritte im Labor
Das Fazit?
KI kann die menschliche Vorsicht nicht ersetzen. Es kann die Anforderung einer herkömmlichen, praktischen Überprüfung nicht ersetzen.
Adami und Gupta führen diese Forschung als nächstes aus dem rein digitalen Bereich heraus. Sie planen, die gleichen Tests mit realen chemischen und biologischen Datensätzen durchzuführen. Die Hypothese bleibt bestehen: Ohne die vollständige Verbreitung möglicher biologischer Formen zu verstehen, wird die KI weiterhin über ihre eigenen blinden Flecken stolpern.
Diese Ergebnisse sollen im August auf der 2a026 Conference on ArtificialLife in Waterloo, Kanada, vorgestellt werden.
Die Suche geht vorerst weiter. Wir vertrauen unseren Maschinen, weil sie schneller verarbeiten. Aber eine schnellere Verarbeitung falscher Annahmen führt nur schneller zur Enttäuschung. Vielleicht schauen wir durch den Lärm hindurch und finden Muster, die sich wie Freunde anfühlen, obwohl sie in Wirklichkeit nur statisch sind.
Wird ein Muster zum Partner, sobald unsere Computer „Ja“ sagen?
Vielleicht sollten wir es noch einmal überprüfen.
