Kecerdasan Buatan bisa Membantu Menemukan Kehidupan di Planet Mars

06 Apr 2023, 07:51 WIB

ilustrasi planet Mars (pixabay.com/Hphotostudio)

Seperti yang kita ketahui, planet Mars adalah "tetangga" bumi. Meski begitu, butuh waktu sekitar tujuh bulan untuk menuju Mars. Menurut National Aeronautics and Space Administration (NASA), ini karena jarak yang terbentang mencapai 480 juta kilometer.

Tim peneliti yang dipimpin oleh Kimberley Warren-Rhodes, ahli astrobiologi dari SETI Institute menemukan cara lain untuk mencari kehidupan di Mars, yaitu dengan kecerdasan buatan (artificial intelligence atau AI) dan pembelajaran mesin. Bagaimana cara kerjanya?

1. Bisa mengidentifikasi tanda-tanda kehidupan

Menurut Rhodes, model yang diciptakan timnya menggabungkan ekologi statistik dengan pembelajaran mesin untuk menemukan dan memprediksi pola tentang bagaimana alam bertahan di lanskap paling keras di bumi.

"Kami berharap tim astrobiologi lain mengadaptasi pendekatan ini untuk memetakan lingkungan dan biosignature yang layak huni. Dengan model ini, kami bisa merancang roadmap dan algoritma yang dibuat khusus untuk memandu ke tempat-tempat dengan probabilitas tertinggi yang menyimpan kehidupan masa lalu, tidak peduli seberapa tersembunyi atau langka," jelasnya.

2. Mereka melakukan uji coba di Gurun Atacama, Chili

ilustrasi Gurun Atacama, Chili (pixabay.com/LuisValiente)

Gurun Atacama di Chili adalah salah satu tempat di bumi yang mirip dengan planet Mars yang gersang. Mengutip ScienceAlert, hujan tidak turun di sini selama beberapa dekade.

Rhodes dan rekan-rekannya melakukan uji coba di cekungan Salar de Pajonales, yang terletak di antara Gurun Atacama dan dataran tinggi Altiplano, yang dulunya adalah dasar sungai kuno. Tempat ini menerima paparan sinar ultraviolet (UV) yang tinggi, rendah oksigen, sangat kering, dan asin.

Setelah mengambil 7.765 gambar dan 1.154 sampel di area seluas 2,78 kilometer persegi, peneliti menemukan tanda-tanda kehidupan, yaitu mikroba fotosintetik. Makhluk tersebut menghuni alabaster, yaitu gipsum berpori halus yang bisa menahan air.

3. Ternyata, model tersebut menunjukkan kemampuan prediktif yang tinggi

Para peneliti menggunakan drone untuk menyimulasikan gambar yang diperoleh dari satelit yang mengorbit Mars lalu menambahkan peta topografi 3D. Semua informasi ini dimasukkan ke dalam Convolutional Neural Networks (CNN) agar AI mengenali struktur di cekungan yang mungkin memiliki tanda-tanda kehidupan.

Turned out, CNN mampu mengidentifikasi pola distribusi kehidupan mikroba di cekungan Salar de Pajonales. Selain itu, berkat CNN, peneliti bisa mengidentifikasi biosignature dengan benar hingga 87,5 persen.

"Model tersebut menunjukkan kemampuan prediktif yang tinggi untuk (menemukan) keberadaan material geologis yang kemungkinan besar mengandung biosignature. Hasilnya selaras dengan data kebenaran di lapangan," ungkap Freddie Kalaitzis, ilmuwan komputer dari Oxford University, Inggris.

Kesuksesan Convolutional Neural Networks (CNN)dalam mengidentifikasi biosignature di lingkungan ekstrem di bumi diharapkan bisa membantu mencari jejak kehidupan di Mars.