얼어붙은 바다의 달에서 한쪽이 영원한 밤인 행성에 이르기까지 골디락스 존에는 이론적으로 외계인이 진화할 수 있는 영역인 셀 수 없이 많은 이상한 세계가 있다. 우주에서 생명체를 찾는 일은 오랫동안 인간의 상상력을 사로잡아 왔다. 이제 컴퓨터의 약간의 도움으로 과학자들은 소음에서 신호를 찾을 수 있는 그 어느 때보다 좋은 기회를 갖게 되었다.

기술 서명 및 생체 서명

우주에서 생명을 찾는 것은 두 가지 형태를 취한다. 한편으로는 다른 행성에서 진화한 박테리아나 균류를 포함한 모든 생물을 찾는 탐구가 있다. 외계 곰팡이 화석의 단순한 존재는 우리가 알고 있는 생명에 대한 개념을 산산이 부수는 인간의 정신에 심오한 결과를 가져오게 된다.

생체 서명은 과거나 현재, 지능이 있든 없든 모든 삶의 증거이다. 발자국과 뼈에만 국한되지 않는다. 화학 물질, 생물막, 대기 가스 및 멀리서 보이는 반사 기능까지 생명체의 존재를 나타낼 수 있다.

그러나 일부 과학자들은 아메바 이상의 것을 찾고 있다. 전 세계적으로 외계의 지적생명탐사 (SETI)을 찾는 열성팬들은 첨단 문명의 징후인 기술 서명에 귀를 기울인다. 이러한 특정 생체 서명에는 전파 망원경이 포함될 수 있다. 전파 망원경은 우주를 들여다보는 것이 아니라 듣고 감지할 수 있다.

AI가 팀에 합류하다

2023년 현재 연구원들은 기술 서명의 증거를 찾지 못했지만 그렇다고 해서 그들이 노력하지 않는다는 의미는 아니다. 머신러닝의 새로운 발전은 SETI 분야에 새로운 활력을 불어넣었다.

스탠포드의 페이 페이 리(Fei-Fei Li)는 2009년에 1,400만 개 이상의 레이블이 지정된 이미지 데이터베이스인 무료 Imagenet을 출시했다. 많은 연구자들이 이를 사용하여 자체 머신러닝 모델을 개발했다. 그 이후로 인공지능(AI)은 의학에서 프로그래밍에 이르기까지 모든 분야에서 큰 발전을 이루었다.

AI는 방대한 양의 데이터를 처리할 때 빛을 발한다. 과학자들은 현재 우주에서 생명체를 찾는 데 원격 감지 방법을 사용한다. 즉, 다른 달과 행성에서 암석과 같은 물리적 샘플이 아닌 정보를 수집하고 있다. 또한 누군가가 모든 데이터를 조사해야 한다는 의미이기도 하다.

에베레스트 산에서 사금 채취처럼, 이 작업은 손으로 할 때 실제로 엄청난 노력이 필요할 것이다. 실용적이지 않다. 고맙게도 AI 소프트웨어는 연구원이 기술 서명일 수 있다고 생각하는 신호를 찾을 수 있다. 머신러닝 모델은 과거 신호를 분석하고 미래에 어떤 소리가 날지 예측하여 외계 세계에서 올 수 있는 이상 현상을 감지할 수 있다.

엔지니어는 AI가 지구에서 오는 전파와 같은 지구 간섭 소리를 인식할 수 있도록 대규모 데이터 세트에서 알고리즘을 훈련한다. 이는 소프트웨어가 잘못된 경보를 걸러내는 데 도움이 된다. 데이터 분석의 도움으로 NASA는 5,400개 이상의 행성을 분류했으며 그 중 일부는 거주 가능할 수 있다.

실제 애플리케이션

2023년 2월, UCLA(캘리포니아 대학교, 로스앤젤레스)의 천문학자들은 대중이 무선 신호 이미지를 볼 수 있도록 하는 Breakthrough Listen이라는 시민 과학 프로젝트를 시작했다. 자원 봉사자들은 이미지를 잠재적인 간섭 형태로 분류하고 AI 알고리즘이 웨스트버지니아주 그린뱅크 천문대의 SETI 데이터를 살펴보도록 훈련하는 데 도움을 주고 있다.

그린뱅크는 주민들이 전자기기를 사용하지 못하도록 하는 것으로 유명하다. 천문대의 거대한 전파 망원경은 무선 침묵이 필요하기 때문에 그 지역 주민들은 Wi-Fi, 전자레인지, 휴대폰 등을 사용할 수 없다. 데이터를 UCLA의 AI 프로젝트로 내보냄으로써 그린뱅크는 우주에서 생명체를 찾는 데 크라우드소싱을 최대한 활용할 수 있다.

캘리포니아에 있는 SETI 연구소의 연구원들은 칠레의 소금 평원(Salar de Pajonales)의 소금 돔, 수정 및 암석에 서식하는 미생물의 지도를 작성했다. 칠레의 아타카마 사막(Atacama Desert)과 알티플라노(Altiplano) 지역을 가로지르는 이 소금기 많은 평지는 불모지처럼 보이지만 실제로는 생명체로 가득 찬 행성에 대한 좋은 아날로그가 될 수 있다.

이 그룹은 프레디 칼라이치스(Freddie Kalaitzis) 연구원과 팀을 이루어 사막 생활과 관련된 패턴을 찾기 위해 AI 모델을 훈련했다. 머신러닝과 통계 생태학을 결합함으로써 연구원들은 환경에 존재하는 대부분의 생체 신호를 감지할 수 있음을 발견했다. 그들은 또한 대부분의 미생물이 이용 가능한 물이 더 많은 지역에 집중되어 있음을 발견했다.

드론이나 위성 내부에서 이러한 유형의 AI 도구는 다른 행성의 생체 신호를 감지할 수 있다. 이 팀은 머신러닝 모델을 더 훈련하여 언젠가는 우주 임무를 수행할 수 있도록 마른 계곡, 영구 동토층으로 덮인 토양 및 다른 위치의 온천을 매핑할 계획이다.

AI의 또 다른 실용적인 용도는 데이터를 순위 목록으로 구성하는 것이다. 과학자들은 궤도에 유망한 달이나 행성이 있을 수 있는 별의 순위를 매기기 위해 머신러닝을 사용하고 있다. 그들은 이 데이터를 사용하여 세계 최대 단일 접시 망원경인 중국의 FAST 전파 망원경을 사용하는 SETI 프로젝트를 수행할 것이다.

AI와 우주 생명체 탐색

일부 반대론자들에게 SETI 연구는 외계 생명체의 증거를 아직 찾지 못했기 때문에 시간 낭비이다. 그러나 엄청난 양의 데이터 수집은 과학의 다른 분야가 그 발자취를 따르도록 영감을 주었다.

적어도 SETI는 머신러닝 분야를 발전시켰고 수많은 사람들이 지구 너머에서 생명의 징후를 찾도록 영감을 주었다. 기껏해야 진정으로 놀라운 것을 발견할 것이며 역사의 과정을 영원히 바꿀 수 있다. 누군가 또는 무언가가 외부에 있다면 SETI 연구원이 가장 먼저 소식을 들을 가능성이 높다.