Sociedad

¿Cómo sería un mensaje extraterrestre? Un algoritmo es capaz de predecirlo

65ymás

Foto: Bigstock

Jueves 14 de abril de 2022

3 minutos

Esto podría cambiar las reglas del juego para futuras búsquedas de inteligencia

¿Cómo sería un mensaje extraterrestre? Un algoritmo es capaz de predecirlo
65ymás

Foto: Bigstock

Jueves 14 de abril de 2022

3 minutos

La Universidad de Berkeley y el Instituto SETI han desarrollado una herramienta de aprendizaje automático que simula cómo sería un mensaje de inteligencia extraterrestre recibido en la Tierra.

Se conoce como Setigen y es una biblioteca de código abierto que podría cambiar las reglas del juego para futuras búsquedas de inteligencia más allá de la Tierra (SETI en su acrónimo en inglés).

Desde los años 60 del siglo XX, el objetivo de estas investigaciones es la detección de firmas tecnológicas no humanas, como la emisión producida por tecnología en las observaciones de radio. Si bien muchos han especulado sobre el carácter de tales firmas tecnológicas, la radio-SETI implica fundamentalmente la búsqueda de señales que no solo nunca se han detectado, sino que también tienen una amplia gama de morfologías potenciales.

 

hablar con extraterrestres

 

Dado que aún no hemos detectado una señal de radio SETI, debemos hacer suposiciones sobre su forma para desarrollar algoritmos de búsqueda. La falta de detecciones positivas también dificulta probar la eficacia inherente de estos algoritmos.

Para abordar estos desafíos, Setigen se presenta como una biblioteca de código abierto basada en Python para la síntesis e inyección de señales basadas en heurística para espectrogramas (espectros dinámicos) y datos de voltaje sin procesar, según la presentación del nuevo programa en arXiv.

"Lo que hace Setigen es facilitar la producción de señales SETI sintéticas, que pueden usarse en datos completamente sintéticos o agregarse sobre datos de observación reales para proporcionar un ruido de fondo RFI más realista", explica Bryan Brzycki, estudiante graudado en Astronomía en Berkeley y líder del equipo que desarrolla la iniciativa.

"De esta manera, podemos producir grandes conjuntos de datos de señales sintéticas para analizar la sensibilidad de los algoritmos existentes o para que sirvan como base para el entrenamiento de aprendizaje automático", añadió en declaraciones a Universe Today.

Sobre el autor:

65ymás

… saber más sobre el autor