利用先进的人工智能来帮助人类寻找地外生命的迹象，这听起来像是科幻小说的前提。尽管如此，研究人员越来越多地采用这种策略来帮助加快和改进他们的ET检测方法。一篇新发表的论文揭示，该领域最有前途的进步之一可能来自一名大学本科生。
在过去的几年里，多伦多大学数学和物理三年级学生彼得·马(Peter Ma)与SETI和Breakthrough listen(一个旨在寻找外星智慧的“技术特征”的倡议)的导师们一起工作，开发了一种新的神经网络技术，能够解析大量的星系无线电信号，以寻找外星生命。根据SETI的常见问题解答，窄带无线电频率被假设为外星人的潜在指标，因为它们需要一个“专门建造的发射器”。
虽然之前的搜索算法只能识别由人类精确定义的异常，但马云的深度机器学习系统允许替代思维模式，这是人类主导的算法通常无法复制的。
在一封致马云的电子邮件中，马云解释道:“人们已经将机器学习或深度学习的组件插入到搜索技术中，以在搜索中[强调他们的]。我们的技术意味着整个过程将被神经网络有效地取代，它不再只是一个组件，而是整个过程。”
正如其他地方最近注意到的那样，结果已经很有希望，至少可以说，马的系统已经发现了8个新的感兴趣的信号。更重要的是，马云的深度学习程序在梳理来自820颗附近恒星的150TB数据时发现了潜在的外星人证据，这些数据之前是用经典技术分析的，但当时被认为没有任何值得进一步研究的东西。
根据马骏周一发表的摘要，这位大学生此前发现标准的监督搜索模型限制性太大，因为它们只能找到与模拟信号匹配的候选人，而无法概括任意异常。同样地，现有的无监督方法太“不可控”，会标记任何稍有变化的东西，“因此返回的大多是垃圾”。在深度学习项目的训练过程中，通过中间交换加权考虑因素，马云发现他和他的团队可以“平衡两个世界的最好东西”。
从表面上看，这是一个额外的校对器，可以发现外星生命的潜在迹象，能够突出人类眼睛甚至其他人工智能程序可能错过的可能的异常现象。话虽如此，马云解释说，他的程序远非放手不管，需要大量的工程设计来指导它学习研究人员想要的特性。“到最后，我们仍然需要人工验证。我们不能完全依赖或信任像神经网络这样的黑盒工具来进行科学研究，”他写道。“它是科学家的工具，而不是科学家的替代品。”
马还警告说，新发现的8个感兴趣的信号在统计上不太可能产生任何外星生命的确切证据。也就是说，他的新人工智能技术可能很快就会成为更准确搜索恒星的宝贵工具。SETI、Breakthrough Listen和Ma已经计划很快使用南非的MeerKAT望远镜阵列进行24/7技术签名观测，以及“使我们能够在许多千兆字节的额外数据中搜索类似信号的分析”。
