Marzenie o znalezieniu sąsiadów wśród gwiazd jest silne. Jednak metody, których używamy do tego, mogą nie być doskonałe.
Sztuczna inteligencja ma trudności z rzeczami, z którymi wcześniej się nie spotkała. Dwóch badaczy z Michigan State University, Christophe Adami i Ankit Gupta, udowodniło to w symulacji. Przetestowali zdolność sztucznej inteligencji do wykrywania życia poza naszą planetą.
Wynik dla samochodu był rozczarowujący.
AI ma piętę achillesową. Jest to tendencja do błędnej klasyfikacji nieznanych danych. Adami nazywa je próbkami „poza dystrybucją”. Jeśli umieścisz pozaziemskiego mikroba przed botem przeszkolonym wyłącznie w zakresie biologii Ziemi, nie zrozumie on, co się dzieje. Maszyna może po prostu wyobrazić sobie formę życia z niczego.
„Widzieliśmy już, że sztuczna inteligencja ma ogromny słaby punkt podczas pracy z danymi, które bardzo różnią się od zbioru uczącego” – wyjaśnia Adami. Niezwykle łatwo jest oszukać algorytm, aby zobaczył życie tam, gdzie go nie ma.
Biologia cyfrowa jako test warunków skrajnych
Jak sprawdzić nieznane? Potrzebujemy standardowej prawdy.
Aby to zrobić, Adami używa Avida – środowiska cyfrowej ewolucji. Uruchomiony w 1993 roku, zawiera programy komputerowe zachowujące się jak organizmy. Mnożą się. Konkurencja o czas procesora. Ewoluują. Jest to kod udający życie w środowisku węgla, ale do celów testowych zapewnia ogromny, oznaczony etykietą zbiór danych.
Formy żywe i programy bez oznak życia mają bardzo podobne struktury kodu. Różnice są subtelne. Symuluje to rzeczywistość astrobiologii. Życie pozaziemskie najprawdopodobniej nie będzie podobne do naszego. Może nawet nie użyć DNA. Jednak jego obliczeniowy odcisk palca może wyglądać podejrzanie podobnie do ziemskiego.
Duet badawczy spędził trzy miesiące analizując 1000 równoległych maszyn. Ich zadanie? Naucz sztuczną inteligencję odróżniać kod reprezentujący życie od kodu, który go nie reprezentuje.
Zaczęli od losowych sekwencji molekularnych. Następnie zmieniali jeden parametr na raz. Cel był ekstremalny: sprawić, by sekwencja materii nieożywionej dla algorytmu była coraz bardziej podobna do materii żywej.
„Po około 15 zmianach… udało nam się sprawić, że sztuczna inteligencja z całkowitą pewnością zaklasyfikowała je jako życie” – powiedział Adami.
Zaufanie osiągnęło swój szczyt. Dokładność spadła do dna.
Ze 100% pewnością program nigdy nie zidentyfikował prawdziwego życia. Widziała duchy. Działo się to konsekwentnie we wszystkich początkowych sekwencjach.
Jabłko, banan i mikrob
Dlaczego to jest ważne?
Sztuczna inteligencja świetnie radzi sobie z przetwarzaniem wzorców w danych, które rozumiemy. Jest niezbędny do filtrowania hałasu. Ale to wymaga kontekstu.
„Jeśli zapytasz sztuczną inteligencję o coś na podstawie jej danych szkoleniowych, zazwyczaj będzie to prawda” – zauważył Adami. Naucz go rozpoznawać jabłka. Pokaż mi więcej jabłek? To zadziała. Pokaż mi banany? Dezorientacja. Banan jest „wycofany z dystrybucji”. Inna forma. Inne znaki. Sztuczna inteligencja nie ma punktów odniesienia, aby podjąć świadomą decyzję.
W przypadku drobnoustrojów pozaziemskich stajemy przed tym samym problemem.
Nie mamy pojęcia, jak biologicznie wyglądałoby życie pozaziemskie. Może radykalnie różnić się od organizmów lądowych. Dlatego reprezentuje dane „niedystrybuowane” dla naszych obecnych modeli sztucznej inteligencji. Nie ma danych szkoleniowych dla tego. Sztuczna inteligencja nie ma kontekstu, w którym można by sprawdzić, czy konkretna grupa cząsteczek żyje, czy jest to tylko szum chemiczny.
„Musisz znać swoje dane treningowe” – powiedział Adami. „Jeśli dane testowe pochodzą z tej samej dystrybucji, co dane szkoleniowe, wszystko będzie dobrze. Ale w przypadku biologii pozaziemskiej nie możesz tego zagwarantować”.
Misje kosmiczne i pułapki spektrometrii masowej
To nie jest tylko ryzyko teoretyczne. Ma to wpływ na nadchodzące misje.
Wyobraź sobie łazik na Marsie wwiercający się w skałę. Odkrywa strukturę. Jeśli robot zobaczy rozpoznawalną strukturę komórkową, możemy to sprawdzić. Możemy to sprawdzić za pomocą roztworów chemicznych i mikroskopii. Dane będą bezpośrednie.
Jednak bezpośrednia obserwacja wzrokowa jest wyjątkiem, a nie regułą.
Przyszłe poszukiwania będą opierać się na spektrometrii mas. Szukają procesów molekularnych w atmosferach takich jak Wenus, pod lodem oceanów Europy lub na odległych egzoplanetach, które ma badać planowane Obserwatorium Światów Habitable (docelowy okres startu to lata 40. XXI wieku).
Dane będą złożonymi sygnaturami chemicznymi, a nie bardzo szczegółowymi fotografiami.
„Jeśli sztuczna inteligencja przeanalizuje dane ze spektrometrii mas podczas misji… może wydać werdykt dotyczący obecności życia z absolutną pewnością, która nie ma związku z prawdziwym życiem” – ostrzegł Adami. Maszyna pewnie ogłosi otwarcie. Odkrycie okaże się fałszywe. Sygnałem byłaby mimikra niebiologiczna, a sztuczna inteligencja bez kontekstu prawdziwej biologii pozaziemskiej zostałaby oszukana.
Kolejne kroki w laboratorium
Jaki jest wniosek?
Sztuczna inteligencja nie może zastąpić ludzkiej ostrożności. Nie może zastąpić konieczności tradycyjnej, ręcznej weryfikacji.
Adami i Gupta przenoszą swoje badania ze sfery czysto cyfrowej. Planują przeprowadzić te same testy, korzystając z rzeczywistych zbiorów danych chemicznych i biologicznych. Hipoteza pozostaje niezmienna: bez zrozumienia pełnego rozmieszczenia możliwych form biologicznych sztuczna inteligencja będzie nadal deptać tę samą grabież.
Ich wyniki zostaną zaprezentowane w sierpniu na konferencji ArtificialLife 2026 w Waterloo w Kanadzie.
Tymczasem poszukiwania trwają. Ufamy naszym maszynom, ponieważ szybciej przetwarzają informacje. Jednak szybkie przetwarzanie błędnych założeń to po prostu szybsza droga do rozczarowania. Potrafimy przejrzeć wzorce hałasu, które wydają się być przyjaciółmi, podczas gdy w rzeczywistości są po prostu statyczne.
Czy wzór staje się partnerem w chwili, gdy nasze komputery powiedzą „tak”?
Może warto sprawdzić jeszcze raz.
