മറ്റ് ഗ്രഹങ്ങളിൽ ജീവൻ കണ്ടെത്താൻ ശാസ്ത്രജ്ഞർ പുതിയ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് രീതി വികസിപ്പിക്കുന്നു

artificial-intelligence-method-life-other-planets

ഈ പ്രപഞ്ചത്തില് നാം തനിച്ചാണോ? ജീവൻ നിലനിൽക്കുന്ന ഒരേയൊരു ഗ്രഹം ഭൂമിയാണോ? അന്യഗ്രഹ ജീവന്റെ അടയാളങ്ങൾ തിരയാൻ നമ്മെ പ്രേരിപ്പിക്കുന്ന ചില ചോദ്യങ്ങൾ ഇവയാണ്. എന്നാൽ മറ്റ് ഗ്രഹങ്ങളിലെ ജീവൻ നാം മുമ്പ് കണ്ടിട്ടുള്ള എന്തിനിൽ നിന്നും തികച്ചും വ്യത്യസ്തമായി കാണപ്പെടാം, അതിനാൽ ഞങ്ങൾ അത് എങ്ങനെ തിരിച്ചറിയും? അമേരിക്കയിലെ ഒരു കൂട്ടം ശാസ്ത്രജ്ഞർ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അധിഷ്ഠിത സംവിധാനം വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്, 90 ശതമാനം കൃത്യതയോടെ ജീവന്റെ ലക്ഷണങ്ങൾ കണ്ടെത്താൻ കഴിയുമെന്ന് അവർ അവകാശപ്പെടുന്നു.

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റം വീർത്ത കണ്ണുകളുള്ള പച്ച അന്യഗ്രഹജീവികളെ കൃത്യമായി തിരയുന്നില്ല, മറിച്ച്, മറ്റൊരു ഗ്രഹത്തിൽ ജീവൻ വികസിച്ചിരിക്കാവുന്ന ഏറ്റവും സൂക്ഷ്മമായ അടയാളങ്ങൾ തിരയുന്നു – തന്മാത്രാ ബയോസിഗ്നേച്ചറുകൾ.

ഈ വർഷം ജൂലൈയിൽ ലിയോണിൽ നടന്ന ഗോൾഡ്സ്മിഡ് ജിയോകെമിസ്ട്രി കോൺഫറൻസിൽ അവർ ശാസ്ത്രജ്ഞർക്ക് അവരുടെ കൃതികൾ അവതരിപ്പിച്ചു. അക്കാലത്ത് മറ്റ് ശാസ്ത്രജ്ഞരിൽ നിന്ന് നല്ല സ്വീകരണം ലഭിച്ച ശേഷം, സിസ്റ്റത്തിന്റെ വിശദാംശങ്ങൾ തിങ്കളാഴ്ച പിയർ-റിവ്യൂഡ് ജേണലായ പിഎൻഎഎസിൽ പ്രസിദ്ധീകരിച്ചു.

“മറ്റ് ലോകങ്ങളിൽ ജീവന്റെ ബയോകെമിക്കൽ അടയാളങ്ങൾ തിരിച്ചറിയാനുള്ള ഞങ്ങളുടെ കഴിവുകളിലെ ഒരു പ്രധാന മുന്നേറ്റമാണിത്. ജീവന്റെ അടയാളങ്ങൾ തിരയാൻ ആളില്ലാ ബഹിരാകാശ പേടകങ്ങളിൽ സ്മാർട്ട് സെൻസറുകൾ ഉപയോഗിക്കുന്നതിനുള്ള വഴി ഇത് തുറക്കുന്നു,” കാർനെഗി ഇൻസ്റ്റിറ്റ്യൂഷന്റെ ജിയോഫിസിക്കൽ ലബോറട്ടറിയിലെയും ജോർജ്ജ് മേസൺ സർവകലാശാലയിലെയും പ്രധാന ഗവേഷകൻ റോബർട്ട് ഹാസെൻ പത്രക്കുറിപ്പിൽ പറഞ്ഞു.

ലളിതമായ രാസവസ്തുക്കൾ ശരിയായ സാഹചര്യങ്ങളിൽ കലർത്തുന്നത് അമിനോ ആസിഡുകൾ പോലുള്ള കൂടുതൽ സങ്കീർണ്ണമായ തന്മാത്രകൾ സൃഷ്ടിക്കുമെന്ന് 1950 കളിലെ മില്ലർ-യൂറി പരീക്ഷണം മുതൽ ശാസ്ത്രജ്ഞർക്ക് അറിയാം. അതിനുശേഷം, ഡിഎൻഎ നിർമ്മിക്കാൻ ആവശ്യമായ ന്യൂക്ലിയോടൈഡുകൾ പോലുള്ള ജീവിതത്തിന് ആവശ്യമായ കൂടുതൽ സങ്കീർണ്ണമായ പല ഘടകങ്ങളും ബഹിരാകാശത്ത് കണ്ടെത്തി.

എന്നാൽ, ഈ തന്മാത്രകൾ ജൈവിക ഉത്ഭവമാണോ അതോ കാലക്രമേണ മറ്റ് അജ്ഞാത പ്രക്രിയകളാൽ നിർമ്മിച്ചതാണോ എന്ന് നമുക്ക് എങ്ങനെ അറിയാം? നാം ജീവിതത്തെ കണ്ടെത്തിയിട്ടുണ്ടോ ഇല്ലയോ എന്ന് തീരുമാനിക്കുന്നതിന് അത് അറിയേണ്ടത് അത്യാവശ്യമാണ്.

“ജീവിത പരീക്ഷണം”

135 വ്യത്യസ്ത കാർബൺ സമ്പുഷ്ട സാമ്പിളുകൾ വിശകലനം ചെയ്യാൻ ശാസ്ത്രജ്ഞർ പൈറോലിസിസ് ഗ്യാസ്-ക്രോമാറ്റോഗ്രാഫി മാസ്-സ്പെക്ട്രോമെട്രി രീതികൾ (ജിസിഎംഎസ്) ഉപയോഗിച്ചു. ജീവനുള്ള കോശങ്ങൾ, പ്രായം കുറഞ്ഞ സാമ്പിളുകൾ, ഭൗമശാസ്ത്രപരമായി സംസ്കരിച്ച ഫോസിൽ ഇന്ധനങ്ങൾ, കാർബൺ സമ്പുഷ്ടമായ ഉൽക്കാശിലകൾ, ലബോറട്ടറി സമന്വയിപ്പിച്ച ജൈവ സംയുക്തങ്ങൾ, മിശ്രിതങ്ങൾ എന്നിവയിൽ നിന്നാണ് ഈ സാമ്പിളുകൾ എടുത്തത്.

ഈ സാമ്പിളുകളിൽ 59 എണ്ണം ഒരു ധാന്യം അരി, മനുഷ്യ മുടി, അസംസ്കൃത എണ്ണ മുതലായവ പോലുള്ള ജൈവിക ഉത്ഭവം ഉണ്ടായിരുന്നു. അവയിൽ 74 എണ്ണം ലാബ്-സമന്വയിപ്പിച്ച സംയുക്തങ്ങൾ അല്ലെങ്കിൽ കാർബൺ സമ്പുഷ്ടമായ ഉൽക്കാശിലകളിൽ നിന്നുള്ള സാമ്പിളുകൾ പോലുള്ള ജൈവേതര ഉത്ഭവമുള്ളവയായിരുന്നു.

ഓക്സിജൻ ഇല്ലാത്ത അന്തരീക്ഷത്തിലാണ് സാമ്പിളുകൾ ആദ്യം ചൂടാക്കിയത് – ഈ പ്രക്രിയയെ പൈറോലിസിസ് എന്ന് വിളിക്കുന്നു. ഇത് സാമ്പിളുകൾ തകരാൻ കാരണമായി. അതിനുശേഷം, മിശ്രിതത്തെ അതിന്റെ ഘടക ഭാഗങ്ങളായി വേർതിരിക്കുകയും അവയെ തിരിച്ചറിയുകയും ചെയ്യുന്ന ഒരു ഉപകരണമായ ജിസിഎംഎസിൽ അവ വിശകലനം ചെയ്തു.

ഓരോ സാമ്പിളിൽ നിന്നുമുള്ള ത്രിമാന ഡാറ്റയിൽ (സമയം / തീവ്രത / പിണ്ഡം) മോഡലുകളെ പരിശീലന അല്ലെങ്കിൽ ടെസ്റ്റിംഗ് വിഷയങ്ങളായി പരിശീലിപ്പിക്കാൻ അവർ ചില മെഷീൻ ലേണിംഗ് രീതികൾ ഉപയോഗിച്ചു. സാമ്പിളുകളിൽ ഈ മോഡൽ പരീക്ഷിച്ച ശേഷം, ഇതിന് 90 ശതമാനത്തിലധികം കൃത്യതയുണ്ടെന്ന് കണ്ടെത്തി.

പ്രത്യാഘാതങ്ങൾ

“ഈ കൃതിയിൽ നിന്ന് രസകരവും ആഴത്തിലുള്ളതുമായ ചില പ്രത്യാഘാതങ്ങളുണ്ട്. ഒന്നാമതായി, ഭൂമിയിൽ നിന്നും ചൊവ്വയിൽ നിന്നുമുള്ള പുരാതന സാമ്പിളുകളിൽ ഈ രീതികൾ പ്രയോഗിക്കാം, അവ ഒരിക്കൽ ജീവിച്ചിരുന്നോ എന്ന് കണ്ടെത്താൻ. ചൊവ്വയിൽ ജീവൻ ഉണ്ടായിരുന്നോ എന്ന് നോക്കുന്നതിന് ഇത് വളരെ പ്രധാനമാണ്, പക്ഷേ ഭൂമിയിൽ നിന്നുള്ള വളരെ പുരാതന സാമ്പിളുകൾ വിശകലനം ചെയ്യാനും ജീവൻ ആദ്യമായി ആരംഭിച്ചത് എപ്പോഴാണെന്ന് മനസിലാക്കാൻ ഞങ്ങളെ സഹായിക്കാനും ഇത് സഹായിക്കും, “ഹാസെൻ വിശദീകരിച്ചു.

ഹാസന്റെ അഭിപ്രായത്തിൽ, ആഴത്തിലുള്ള തലത്തിൽ, ബയോകെമിസ്ട്രിയും നോൺ-ബയോളജിക്കൽ കെമിസ്ട്രിയും അൽപ്പം വ്യത്യസ്തമാണെന്ന് ഇത് അർത്ഥമാക്കുന്നു. മറ്റെവിടെയെങ്കിലും ജീവൻ കണ്ടെത്തുകയാണെങ്കിൽ, ഭൂമിയിലും മറ്റ് ഗ്രഹങ്ങളിലും ജീവൻ ഒരു പൊതു ഉത്ഭവത്തിൽ നിന്ന് വന്നതാണോ, പാൻസ്പെർമിയ സിദ്ധാന്തവുമായി യോജിക്കുന്നുണ്ടോ, അല്ലെങ്കിൽ അവയ്ക്ക് അടിസ്ഥാനപരമായി വ്യത്യസ്തമായ ഉത്ഭവമുണ്ടോ എന്ന് നമുക്ക് പറയാൻ കഴിയുമെന്നും ഇത് സൂചിപ്പിക്കുന്നു.

Dr Bibin

Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision

Leave a Reply