用AI判读外星生命迹象准确率已达九成

由于太空望远镜观测技术快速发展，寻找外星生命特征与迹证，成为现代天文生物学家和古生物学家共同努力的核心项目。

最近研究员开发出有力方法，将各种地质卫星观测地球与地球古生物样本，分析含碳物质，先用气相层析质谱仪（GC-MS）分析数据，交给AI机器学习，以地球样本分类学习，再实际比对判读太空望远镜光谱观测结果，用AI判读是否为生命现象产生的物质或证据，且同步机器学习并纳入或修正分类系统。实际成果发现，判读准确率高达90%。

判读分类观测数据的困难，在于如何不只于系外行星或恒星形成区的分子云，找到生命现象的关键物质，如形成DNA所需的核苷酸等大型蛋白质分子，而在是否藉AI高速演算与归纳分析大量样本，研究样本及环境化学物质分布，找到并发展出能影响生物分子多样性与分布的生命化学规则。

也就是说，是否能藉AI发现甚至模拟完整生命起源与形成，并以此检测比较太空望远镜的观测结果，综合比较化学环境，判断接下来是否重演生命演化。若能形成数种生命演化路径，是否皆为有效，甚至能演化出何种形态的外星生命。

研究结果显示，生命与非生命性迹证最大差异，在于生命现象，如活体细胞会含非常溶于水、与生命运作有关的物质，细胞质及其他物质如DNA等。但也有非常不溶于水、保护前述物质的构造，如细胞膜，如果将活体细胞分解并光谱分析，就会得到非常水溶性分子和非常不溶于水的分子混合物，分布于整个光谱。非生命性迹证光谱分析形态，与上述生命性迹证有很大差异。

结合AI研究的特色，就是会不断导引新想法，且无法完整预测将来研究范围，很可能超出人类想象以外。