人工智能一直是科幻作品中的核心元素，我们总是希望通过人工智能去完成那些超越人类的任务。
尤其是在寻找外星生命的过程中，人工智能越发凸显其独特的优势，有时候我们甚至觉得人类可能真的就要被人工智能在这个领域甩得很远了。
对于人类来说，寻找地球以外的生命是一个几乎不可能完成的任务，尽管我们已经尽力去做了很多年，但是依然没有任何收获。
这时候人工智能就显得至关重要了，它可能会在寻找外星生命的过程中，用自己的能力和优势彻底颠覆人类的想象，毕竟人工智能不同于人类，它可以针对不同的任务进行改造升级，而不需要像人类研究员那样学一大堆东西。
其实就在前段时间，自地外生命搜寻协会的研究员取得了一项重要研究成果。Kim Warren Rhodes教授的研究员联合约翰霍普金斯大学和牛津大学的科研人员开发出来一种新模型，可以通过人工智能预测微生物的分布情况，而且不管是在什么环境中，成功率高达87.5%。
你可能会觉得这样的成功并不算太过惊人，毕竟地球上有很多适合生命存在的环境，人工智能要做到这一点也不是什么不可能的事情。
但是当你了解了这项研究的具体内容之后，就会明白这个成果之所以如此惊人，是因为它不仅仅包含了地球上的环境，还包括了极其恶劣并且人类从来没有去过的环境。
这项研究的实验地点并不是别的地方，而是位于智利的Salar de Pajonales荒漠。你可能对这个地方并不太熟悉，但是当提到这里是世界上最接近火星表面地貌的地方之后，相信你对它会有更多的印象。
早在几年前，NASA就曾经选在这里开展过一项名叫“Atacama寻找生命”的任务，当时NASA联合了欧洲空间局一起开展这项研究，并且投入了大量资金和人力物力。
虽然最终并没有像预想中那样取得突破性的成果，但是科学家们从这段短暂的合作中发现了很多宝贵的信息，并且用它作为基础数据开展了之后的研究工作。而Kim Warren Rhodes的这项研究就是其中之一。
根据他们公布的信息来看，在Salar de Pajonales荒漠中人工智能发现微生物的分布情况呈现出一种明显的规律，那就是聚集在一些“热点”附近。而所谓的“热点”其实就是那些与水分布有关的地方。
当然这里说的水分布并不是指地表上直接看得到的液态水，而更多是那些水汽含量较大并且位于地下表层的地方。
很多人可能会好奇，地下水汽即便再多，也不可能支撑生命的存在啊，毕竟不管是细菌还是真菌，它们都需要水才能生存。
针对这一点我们不妨先来简单了解一下Salar de Pajonales 荒漠的地理情况。
这里是一个高原盐沼，而且距离海拔最近的地方也有几百米的高度，因为地势较高的原因加之降雨量较少，这里几乎不可能形成地表水。
但是因为它曾经是一片古老海洋的底部，所以含盐量极高，而且地下水储量非常丰富。当你站在这里往四周看时，会发现自己就好像置身于一个巨大的镜面世界当中一样。
因为阳光太过强烈，并且盐结晶的非常彻底，在整个高原都呈现出一片洁白无暇的景象。
而要发现微生物存在的痕迹时，科学家们更多时候都会将目光投向那些暗深无比、看起来像是打开了地下水“宝藏”的地方。
其实说宝藏并不为过，在Salar de Pajonales荒漠中有很多这样规模庞大且深不见底的地下水蒸气空间。
而且这些地方往往还会有着异常活跃的盐层运动，密集且巨大的盐柱时刻在变化着自己的形态。
我们知道即便在地球上这样的环境下要找到适合生命存在的空间也并非不可能，比如以色列的戈壁盆地中就有着世界上著名的盐底深层实验室，在那里已经发现了大量存在的细菌和真菌。
而对于火星来说，在它那薄弱得可怜的大气层之下也许就存在着这样规模更大、活跃度更高的地下水蒸汽空间，在那里寻找到生命的痕迹也未必是一件完全不可能完成的任务。
但是要面对着密集且变化无常的盐层时时刻刻威胁着自己的安全，这对于机器来说绝对不是一件容易做到的事情。正好人工智能擅长处理这样变化复杂同时又需要高准确度判断和分析的情况。
Kim Warren Rhodes带领团队将一种名叫卷积神经网络进行了大量训练，并且赋予它一项特殊任务——识别Salar de Pajonales荒漠中那些规模庞大的地表地下标记，并预测微生物可能出现的地点。
经过数月时间的训练之后，这套机器学习模型真的做到了让所有人都惊艳，并且开始为我们树立起寻找外星生命有可能成功的信心。
因为它确实发挥出来非常强大的能力，在极端恶劣并且密不透风的环境中也展现出非常高效和准确率。
我们说机器学习最大的优势就在于它可以快速复制自己，并且不会像人类研究员那样在遇到陌生环境时束手无策。
比如如果我们要求人类研究员去训练一个可以识别各种地表标记并预测微生物出现概率的机器学习模型时，在刚开始接触Salar de Pajonales荒漠这个环境时，极有可能会因为无从下手而浪费很长时间。
而且即便到真正训练出来了模型，因为人类自身认知水平和认知范围都有限，在面对复杂多变又规模庞大的盐底标记时很难做到百分百准确。
而机器就不同了，它可以完美复制自己，并且提高自己判断和分析能力而不需要任何额外消耗。
此外Kim Warren Rhodes团队开发出来的这套模型还有一个很重要的特点——可迁移性。
所谓可迁移性其实指得就是该模型已经具备了在其他环境中开展同样任务分析和判断能力，并且不需要重新训练。
我们知道即便是同一个物种或者微生物，在不同环境中其生存状态和特征都会发生很大变化。
目前我们研究得较多相对简单并且更容易存活下来光合细菌通常就会选择在含盐量较高、同时阳光又比较充足、水汽条件相对优秀的地方生存。
#artContent h1{font-size:16px;font-weight: 400;}