火星表面面积超过14437万平方英里，有许多地方可能隐藏着潜在生命的迹象。考虑到当前和未来的漫游者极其宝贵的时间，以有效的方式寻找潜在的古代微生物和有机体的证据变得更加具有挑战性。为了平衡竞争环境，SETI再次转向人工智能和机器学习，试图计算出最有可能和最有希望的地方，让火星车——也许有一天，宇航员——寻找生命的线索。正如周一首次详细介绍的那样，该团队的新人工智能机器学习模型已经显示出加速人类寻找外星生命的潜力。
为了构建他们的人工智能，SETI研究所高级研究科学家Kim Warren-Rhodes领导的跨学科项目对一个来自帕约纳莱斯盐沼地区的数据集进行了训练。帕约纳莱斯位于智利阿塔卡马沙漠和阿尔蒂普莱诺的交界处，海拔高，气候干旱，盐湖床干燥，紫外线充足，光合微生物稀少，堪称火星的替身。该团队收集了超过7765张图像和该地区岩石、晶体和盐丘的1154个样本，然后将这些信息与其他数据集一起使用，教他们的程序理解和检测具有小生物特征的区域。在将AI/ML程序转向附近的新区域时，系统成功定位了近88%的相似生物特征，而之前的随机搜索只有不到10%。新方法还将必要的搜索区域减少了97%。
Rhodes在一份声明中解释说:“我们的框架使我们能够将统计生态学的力量与机器学习结合起来，发现和预测大自然在地球上最恶劣的环境中生存和分布的模式和规则。”他们继续表达了他们的希望，其他天体生物学家将采用这种方法来绘制其他环境，以及检测更多的生物特征。她说:“有了这些模型，我们可以设计出量身定制的路线图和算法，引导探测车前往最可能藏匿过去或现在生命的地方——无论多么隐蔽或罕见。”
另一位团队成员纳塔莉·a·卡布罗尔(Nathalie a . Cabrol)说:“虽然生物特征探测的高速率是这项研究的核心结果，但同样重要的是，它成功地整合了从轨道到地面的分辨率差异巨大的数据集，最终将区域轨道数据与微生物栖息地联系起来。”随着时间的推移，该团队希望他们和其他天体生物学家团队能够继续建立合作数据集，通过将它们安装到未来的行星漫游者上，帮助寻找外星生命。
