Мечта найти соседей среди звезд сильна. Но методы, которые мы для этого используем, могут быть несовершенными.
Искусственный интеллект испытывает трудности с тем, чего он ранее не встречал. Два исследователя из Мичиганского государственного университета, Кристоф Адами и Анкит Гупта, доказали это в ходе симуляции. Они проверяли способность ИИ обнаруживать жизнь за пределами нашей планеты.
Результат для машины оказался неутешительным.
У ИИ есть «ахиллесова пята». Это склонность ошибочно классифицировать незнакомые данные. Адами называет их образцами «за пределами распределения» (out-of-distribution). Если поставить перед ботом, обученным только на биологии Земли, внеземного микроба, он не поймет, что происходит. Машина может просто вообразить форму жизни из ничего.
«Ранее мы видели, что у ИИ есть огромный слепой участок при работе с данными, которые сильно отличаются от обучающей выборки», — объясняет Адами. Обмануть алгоритм, заставив его увидеть жизнь там, где ее нет, невероятно легко.
Цифровая биология как стресс-тест
Как проверить неизвестное? Нужна эталонная истина.
Для этого Адами использует Avida — цифровую среду эволюции. Запущенная в 1993 году, она содержит компьютерные программы, ведущие себя как организмы. Они размножаются. Конкурируют за процессорное время. Эволюционируют. Это код, маскирующийся под углеродную жизнь, но для целей тестирования он предоставляет огромный размеченный набор данных.
Живые формы и программы без признаков жизни имеют очень похожие структуры кода. Различия тонкие. Это имитирует реальность астробиологии. Внеземная жизнь, скорее всего, не будет похожа на нашу. Она даже может не использовать ДНК. Но ее вычислительный отпечаток может выглядеть подозрительно похожим на земной.
Дуэт исследователей потратил три месяца на анализ 1000 параллельных машин. Их задача? Научить ИИ отличать код, представляющий жизнь, от кода, ее не представляющего.
Они начали со случайных молекулярных последовательностей. Затем они изменяли по одному параметру за раз. Цель была предельной: сделать так, чтобы последовательность неживой материи становилась для алгоритма все более похожей на живую.
«Примерно после 15 изменений… мы смогли заставить ИИ быть абсолютно уверенным в классификации как жизни», — сказал Адами.
Уверенность достигла пика. Точность упала до дна.
При 100% уверенности программа никогда не идентифицировала реальную жизнь. Она видела призраков. Это происходило последовательно во всех начальных последовательностях.
Яблоко, банан и микроб
Почему это важно?
ИИ великолепно справляется с обработкой паттернов в данных, которые мы понимаем. Он незаменим для фильтрации шума. Но ему требуется контекст.
«Если вы спросите ИИ о чем-то из его обучающих данных, он, как правило, будет прав», — отметил Адами. Обучите его распознавать яблоки. Покажите больше яблок? Сработает. Покажите бананы? Путаница. Банан находится «за пределами распределения». Другая форма. Другие признаки. У ИИ нет опорных точек для принятия обоснованного решения.
С внеземными микробами мы сталкиваемся с той же самой проблемой.
Мы не имеем понятия, как внеземная жизнь будет выглядеть биологически. Она может кардинально отличаться от земных организмов. Следовательно, она представляет собой данные «за пределами распределения» для наших текущих моделей ИИ. Для этого нет обучающих данных. У ИИ нет контекста, чтобы проверить, живое ли конкретное скопление молекул или это просто химический шум.
«Вам нужно знать свои обучающие данные», — сказал Адами. «Если тестовые данные происходят из того же распределения, что и обучающие, у вас все будет хорошо. Но с внеземной биологией вы не можете этого гарантировать».
Космические миссии и ловушки масс-спектрометрии
Это не просто теоретический риск. Он затрагивает предстоящие миссии.
Представьте ровер на Марсе, который бурит породу. Он обнаруживает структуру. Если робот увидит узнаваемое клеткоподобное образование, мы сможем это проверить. Мы можем протестировать его химическими растворами и микроскопией. Данные будут прямыми.
Но прямое визуальное наблюдение — это исключение, а не правило.
Будущие поиски опираются на масс-спектрометрию. Они ищут молекулярные процессы в атмосферах вроде Венеры, подо льдом океанов Европы или на далеких экзопланетах, которые должен изучать планируемый обсерваторией Habitable Worlds Observatory (целевое окно запуска — 2040-е годы).
Данные будут представлять собой сложные химические сигнатуры, а не высокодетализированные фотографии.
«Если ИИ во время миссии анализирует данные масс-спектрометрии… он может вынести вердикт о наличии жизни с абсолютной уверенностью, не имеющей никакого отношения к реальной жизни», — предупредил Адами. Машина уверенно объявит об открытии. Открытие окажется ложным. Сигнал будет небиологической мимикрией, и ИИ, не имея контекста истинной внеземной биологии, поддастся обману.
Следующие шаги в лаборатории
Каков вывод?
ИИ не может заменить человеческую осторожность. Он не может заменить необходимость традиционной, ручной верификации.
Адами и Гупта выводят это исследование из чисто цифровой сферы. Они планируют провести те же тесты, используя реальные химические и биологические наборы данных. Гипотеза сохраняется: не понимая полного распределения возможных биологических форм, ИИ будет продолжать наступать на те же грабли.
Их результаты будут представлены в августе на конференции ArtificialLife 2026 в Ватерлоо, Канада.
Тем временем поиск продолжается. Мы доверяем нашим машинам, потому что они обрабатывают информацию быстрее. Но быстрая обработка неверных допущений — это просто более быстрый путь к разочарованию. Мы можем сквозь шум увидеть паттерны, которые кажутся друзьями, тогда как на самом деле это просто статические помехи.
Становится ли паттерн партнером в тот момент, когда наши компьютеры говорят «да»?
Может быть, стоит перепроверить.
