te voorspellen
Een samengesteld beeld toont een infraroodbeeld van Saturnus satelliettant van het Cassini-apparaat. Sommige bewijzen wijzen op een hoge mate van bewoonbaarheid. Gebaseerd op factoren zoals beschikbaarheid van energie en verschillende kenmerken van het oppervlak en de atmosfeer.
De ontwikkeling van kunstmatige intelligentie zal helpen de waarschijnlijkheid van het leven op andere planeten te voorspellen. Dat zeggen onderzoekers van de universiteit van Plymouth. Ze gebruikten kunstmatige neurale netwerken om werelden onder te verdelen in 5 soorten, waarbij de mogelijkheid van leven werd beoordeeld.
Kunstmatige neurale netwerken zijn systemen die proberen het leerproces van het menselijk brein te imiteren. Het is een van de belangrijkste gereedschappen voor machinaal leren en ook een bijzonder goede methode om complexe modellen te maken en grote hoeveelheden gegevens te verwerken.
De onderzoekers waren in staat om hun netwerk te trainen om werelden te classificeren in 5 typen, gebaseerd op overeenkomsten met de moderne aarde, de vroege aarde, Mars, Venus of Saturnus satelliet-Titan. Al deze objecten zijn rotsachtige lichamen met atmosferen die mogelijk de meest geschikte objecten voor leven zijn.
Spectra van de atmosfeer van de testplaneet. Het uitgangsniveau biedt ruimte voor een "levenswaarschijnlijkheid" op basis van het meten van de gelijkenis van de binnenkomende gegevens met de vijf doelen van ons systeem.
Atmosferische waarnemingen, bekend als de 5-lichaamsspectra van ons systeem, geven de invoer naar het netwerk weer. Het is nu bekend dat het leven zich uitsluitend op de aarde bevindt, daarom gebruikt de classificatie de "kans van het leven", gebaseerd op de atmosferische en orbitale kenmerken van de 5 doeltypes.
Dit type kan handig zijn voor het categoriseren van exoplaneten en het selecteren van toekomstige onderzoeksdoelstellingen die worden gebruikt door de James Webb-ruimtetelescoop.
