ناسا و SETI يصفان النماذج الأساسية لعلم الأحياء الفضائي والبحث عن الحياة خارج الأرض

اقترحت مجموعة من الباحثين من وكالة الفضاء الأمريكية (ناسا) ومعهد البحث عن الحياة الذكية في الكون (SETI) وعدة جامعات أن تبني لعلم أحياء الفضاء ليس مجموعة أدوات ذكاء اصطناعي متفرقة، بل نموذج أساسي متعدد الأنماط موحد. ينبغي أن يساعد على البحث عن البيوسيجنتشرات وتخطيط المهام الفضائية، وكذلك تحليل كميات ضخمة من البيانات العلمية.

لماذا يكون النهج الجديد ضروريًا

يعمل علم أحياء الفضاء على عدة مستويات في نفس الوقت: من الكيمياء والهياكل الجزيئية إلى الملاحظات الكوكبية والدراسات الميدانية لنظائر الأرض وتوثيق المهام الفضائية. ينطلق المؤلفون من افتراض مؤداه أن الحياة لا يمكن وصفها بواسطة علامة واحدة أو جهاز واحد. فهي تتجلى كعملية معقدة تتمتع بعدة خصائص، لذلك يجب أن تكون النماذج قادرة على ربط الصور والأطياف والجيوكيمياء والتقارير النصية والسياق البيئي في نظام واحد. هنا تبدو النماذج الأساسية أقوى من تعلم الآلة الضيق التقليدي.

يلخص المقال نتائج ورشة عمل أجراها مركز أيمس للأبحاث بوكالة ناسا ومعهد SETI في فبراير 2025. تم نشر النسخة المسبقة نفسها على موقع arXiv في 8 أكتوبر 2025. يلاحظ الباحثون أن هناك بالفعل عملاً تحضيريًا: تقوم ناسا بتطوير نماذج لغوية كبيرة خاصة بها، بما فيها Goddard LLM و INDUS، بالإضافة إلى نموذج Prithvi الجغرافي المكاني؛ لدى وكالة الفضاء الأوروبية TerraMind. بعبارة أخرى، لا يتعلق الأمر بخيال علمي لعقود قادمة، بل الخطوة المنطقية التالية — تجميع مجموعة متخصصة تحديدًا لمهام علم أحياء الفضاء.

ثلاثة سيناريوهات عملية

يقترح المؤلفون الاطلاع على مثل هذا النظام ليس كبوت دردشة واحد، بل كأساس لعدة أنماط تطبيقية. المنطق بسيط: يمكن لأساس متعدد الأنماط واحد أن يخدم مهام مختلفة إذا تم بناء واجهات منفصلة وسيناريوهات تطبيق فوقه.

النمط الأول هو البحث عن علامات الحياة في البيانات المعقدة، والثاني هو المساعدة في تصميم وإدارة المهام، والثالث هي واجهة علمية للعمل مع الأدبيات والتقارير والفرضيات.

• كشف البيوسيجنتشرات. يجب أن يربط النموذج بين الخصائص الكيميائية والمورفولوجية والطيفية والبيئية ويميز بين آثار الحياة المحتملة والمحاكيات اللاحيوية.

• نموذج مهام علم أحياء الفضاء. ستساعد طبقة ذكاء اصطناعي منفصلة في اختيار الحمولات المفيدة، وتقييم قيود الأجهزة، وتحديد أولويات العينات، ودعم عمليات المركبات الفضائية الأكثر استقلالية.

• AB-Chat. ستتمكن واجهة متخصصة لعلم أحياء الفضاء من قراءة المقالات والتقارير التقنية وأرشيفات المهام، وتحديد الفجوات المعرفية واقتراح فرضيات جديدة.

من المهم أن يقترح المؤلفون عدم إزالة البشر من العملية. بالعكس، يوصف كل من AMM و AB-Chat كأداتي صيغة human-in-the-loop: فهما يوسعان مجال رؤية الفريق، لكن القرارات الحاسمة تبقى بيد العلماء والمهندسين. بالنسبة إلى المهام الفضائية، هذا مهم بشكل خاص لأن تكلفة الخطأ عالية جدًا، وجب على الاستقلالية في الفضاء أن تخضع لاختبارات مكثفة والتحقق والفحص في الحالات الحدية قبل الإطلاق.

ما الذي يعرقل التقدم الآن

الحاجز الرئيسي ليس غياب الأفكار، بل حالة البيانات. تتناثر المعلومات المتعلقة بعلم أحياء الفضاء بالفعل عبر أرشيفات وتنسيقات وتخصصات مختلفة: قواعد بيانات طيفية، جيوكيمياء، صور، قياس الطيف الكتلي، تقارير المهام، الملاحظات الميدانية، والمواد المطبوعة التاريخية. لتدريب نموذج مفيد حقًا، يجب أولاً العثور على هذه البيانات وإحضارها إلى معايير مشتركة ووصفها بواسطة البيانات الوصفية وجعلها مناسبة لتعلم الآلة.

مشكلة منفصلة تتعلق بالبيانات الحساسة للمهام: ستتطلب المخططات والإجراءات الداخلية والوثائق الهندسية بنية تحتية محمية. لذلك، تبدو الخطوة العملية الأولى واضحة جدًا: عدم بناء "فوق ذكي" على الفور، بل إعادة تشغيل مجموعات البيانات الموجودة من خلال النموذج. يذكر المؤلفون تحديدًا الصور المرئية، انعكاسية VNIR، التركيب الأولي والنظيري، GC-MS و Raman و XRF/XRD والطوبوغرافيا. إذا تم دمج هذه المصادر ببيانات من الأرض والمريخ والقمر والكويكبات، يمكن للنظام أن يبدأ في تعلم التمييز بين التوقيعات الحيوية واللاحيوية والمماثلة. علاوة على ذلك، يمكن أن تكون النتيجة ليست حدًا صارمًا بين "الحي" و "غير الحي"، بل تدرج متعدد الأبعاد — وهو ما يعتبر أكثر واقعية لعلم أحياء الفضاء.

ماذا يعني هذا

إذا وصل هذا النهج إلى نماذج أولية عملية، فسيحصل علم أحياء الفضاء ليس فقط على LLM آخر، بل على طبقة ذكاء اصطناعي متخصصة بالمجال فوق العلم والهندسة الفضائية. بالنسبة إلى الباحثين، هذه فرصة لتجميع المعرفة من مصادر متفرقة بشكل أسرع، والتخطيط للمهام بدقة أكبر، وزيادة احتمالية عدم ضياع إشارة مهمة حقًا حول الحياة المحتملة في ضوضاء البيانات. المسألة الأساسية الآن ليست ما إذا كان مثل هذا النظام قابلاً للتطبيق من الناحية التقنية، بل من سيجمع أولاً لها نظام بيانات ذو جودة وعالية التوافق.