Pakai AI, Peluang Temukan Kehidupan di Mars Semakin Banyak
loading...
Tim peneliti internasional telah menunjukkan bahwa alat ini mampu mengidentifikasi pola tersembunyi dalam data geografis yang dapat menunjukkan adanya tanda-tanda kehidupan.. foto/ afp
A
A
A
LONDON - Ilmuwan yakin lecerdasan buatan (AI) dapat dikembangkan untuk mencari jejak kehidupan di planet Mars. Planet Merah, memiliki luas permukaan tanah kering yang hampir sama dengan Bumi.
Namun, sejarah kehidupan di Mars merupakan tanda tanya besar sampai saat ini. Kecerdasan buatan dan pembelajaran mesin dapat membuat pencarian kehidupan di Mars jauh lebih mudah.
Tim peneliti internasional telah menunjukkan bahwa alat ini mampu mengidentifikasi pola tersembunyi dalam data geografis yang dapat menunjukkan adanya tanda-tanda kehidupan.
Ahli astrobiologi Kimberley Warren-Rhodes mengharapkan makin banyak ilmuwan yang mengadaptasi pendekatan ini di masa depan karena berpotensi menemukan tanda kehidupan di tempat tersembunyi sekalipun.
“Dengan model ini, kami dapat merancang peta jalan dan algoritme yang dibuat khusus untuk memandu penjelajah ke tempat-tempat dengan probabilitas tertinggi untuk menyimpan kehidupan masa lalu atau masa kini,” kata Warren-Rhodes, dikutip dari Science Alert, Kamis (23/3/2023).
Warren-Rhodes dan rekan-rekannya sempat memusatkan perhatiannya ke Salar de Pajonales, wilayah gurun Atacama di Chili. Cekungan ini adalah dasar sungai kuno dan salah satu tempat terbaik di Bumi yang mirip lingkungan Mars.
Wilayah itu memiliki kadar oksigen rendah dan sangat kering dan asin. Namun anehnya peneliti dapat menemukan kehidupan di sana, hidup dalam formasi mineral.
Tim peneliti yang dipimpin Warren-Rhodes juga mengambil gambar udara untuk mensimulasikan gambar dari satelit yang mengorbit Mars dan menambahkan peta topografi 3D.
Semua informasi ini kemudian dimasukkan ke dalam convolutional neural networks (CNN) untuk melatih AI mengenali struktur di cekungan yang lebih mungkin penuh dengan kehidupan.
Menariknya, CNN mampu mengidentifikasi pola distribusi kehidupan mikroba meskipun komposisi mineral di wilayah tersebut hampir seragam.
Kubah gipsum mineral lunak dihuni sekitar 40 persen, dan tanah berpola bergaris dengan pita gipsum dihuni sekitar 50 persen.
Para peneliti juga menemukan mikrohabitat. Mikroba tertarik dengan kuat ke bagian alabaster, bentuk gipsum berpori halus yang menahan air.
Mikrohabitat alabaster ini hampir dihuni secara universal dan mewakili prediktor biosignatures yang paling andal. Ini menunjukkan bahwa kandungan air adalah pendorong utama distribusi mikrohabitat.
Baca Juga :
China Berhasil Foto Keseluruhan Planet Mars
Namun, sejarah kehidupan di Mars merupakan tanda tanya besar sampai saat ini. Kecerdasan buatan dan pembelajaran mesin dapat membuat pencarian kehidupan di Mars jauh lebih mudah.
Tim peneliti internasional telah menunjukkan bahwa alat ini mampu mengidentifikasi pola tersembunyi dalam data geografis yang dapat menunjukkan adanya tanda-tanda kehidupan.
Ahli astrobiologi Kimberley Warren-Rhodes mengharapkan makin banyak ilmuwan yang mengadaptasi pendekatan ini di masa depan karena berpotensi menemukan tanda kehidupan di tempat tersembunyi sekalipun.
“Dengan model ini, kami dapat merancang peta jalan dan algoritme yang dibuat khusus untuk memandu penjelajah ke tempat-tempat dengan probabilitas tertinggi untuk menyimpan kehidupan masa lalu atau masa kini,” kata Warren-Rhodes, dikutip dari Science Alert, Kamis (23/3/2023).
Warren-Rhodes dan rekan-rekannya sempat memusatkan perhatiannya ke Salar de Pajonales, wilayah gurun Atacama di Chili. Cekungan ini adalah dasar sungai kuno dan salah satu tempat terbaik di Bumi yang mirip lingkungan Mars.
Wilayah itu memiliki kadar oksigen rendah dan sangat kering dan asin. Namun anehnya peneliti dapat menemukan kehidupan di sana, hidup dalam formasi mineral.
Tim peneliti yang dipimpin Warren-Rhodes juga mengambil gambar udara untuk mensimulasikan gambar dari satelit yang mengorbit Mars dan menambahkan peta topografi 3D.
Semua informasi ini kemudian dimasukkan ke dalam convolutional neural networks (CNN) untuk melatih AI mengenali struktur di cekungan yang lebih mungkin penuh dengan kehidupan.
Menariknya, CNN mampu mengidentifikasi pola distribusi kehidupan mikroba meskipun komposisi mineral di wilayah tersebut hampir seragam.
Kubah gipsum mineral lunak dihuni sekitar 40 persen, dan tanah berpola bergaris dengan pita gipsum dihuni sekitar 50 persen.
Para peneliti juga menemukan mikrohabitat. Mikroba tertarik dengan kuat ke bagian alabaster, bentuk gipsum berpori halus yang menahan air.
Mikrohabitat alabaster ini hampir dihuni secara universal dan mewakili prediktor biosignatures yang paling andal. Ini menunjukkan bahwa kandungan air adalah pendorong utama distribusi mikrohabitat.
(wbs)
Lihat Juga :
