在天空中寻找不明飞行物或想家的外星人几乎是美国人的消遣，没有人比SETI研究所(SETI的意思是搜寻地外文明)做得更好。

SETI成立于1984年，他们的任务是扫描天空中由非地球的“技术特征”组成的无线电信号，这些信号可能属于外星技术。这些信号可能表明正在使用的通信技术，从而表明智能，是寻找外星生命迹象的科学家所追求的。到目前为止，这项长达数十年的研究还没有找到任何令人信服的线索，但周一发表在《自然天文学》杂志上的一篇新论文希望通过使用机器学习来解决这个问题来改变这一现状。

使用2016年首次收集的望远镜数据，机器学习算法分析了来自820颗恒星的480小时的数据，并确定了之前算法没有检测到的8个感兴趣的信号。

Peter Ma是这篇论文的第一作者，也是多伦多大学的一名本科生。他在一封电子邮件中告诉Motherboard，虽然人工智能在过去已经应用于SETI的无线电数据，但这种新方法完全摆脱了人类的控制。

马化腾说:“以前人们把机器学习组件插入到各种管道中，以帮助搜索。”“这项工作完全依赖于神经网络，没有任何传统算法的支持，并产生了传统算法无法获得的结果。”

来自外太空的无线电数据流是一种丰富的资源，但它也很容易与我们自己的地球无线电信号混淆。马友友说，从这片雾霾中采集到的感兴趣的信号是“来自外星的窄带多普勒漂移信号”。

换句话说，移动的无线电信号落入特定的频率范围。然而，这些信号如何随着时间或距离而变化仍然是一个悬而未决的问题。

在数据中寻找这些信号可能就像大海捞针一样——既耗时又乏味——但这正是机器学习可以帮助的地方。Ma和同事们设计了他们的神经网络，以识别并分类它“认为”的SETI数据中最重要的特征，同时试图过滤掉来自地球的干扰。

除了速度是传统算法的两倍外，马云说，使用神经网络来研究这些数据还可以实现一种开箱即用的思维，这是人工算法难以实现的。

他说:“传统算法根据我们设计的一组给定指令运行……因此，算法永远只会发现我们让它去发现的东西。”“问题是ET信号的性质还不完全清楚……因此我们提出的方法是学习它。”

马和同事的神经网络能够在数据中找到8个隐藏的独特信号，这些信号可能来自外星，但尚未进行研究来证实这些信号。马说，虽然进一步的分析可能能够证实这些来源不是来自地球，但这并不意味着科学家们会确切地知道它们与哪种技术有关。

在最好的情况下，这些信号可能包括有关技术工程的嵌入式信息，甚至是来自外星文明的技术签名集合。

“不过，我们并不指望这一点，”马云说。