ناسا ومعهد SETI يصفان نماذج أساسية لعلم الأحياء الفلكي والبحث عن حياة خارج الأرض

اقترح فريق من الباحثين من ناسا ومعهد SETI وعدة جامعات ألا يُبنى لعلم الأحياء الفلكي مجموعة من أدوات الذكاء الاصطناعي المتفرقة، بل نموذج أساسي موحّد متعدد الوسائط. ويُفترض أن يساعد هذا النموذج في البحث عن البصمات الحيوية، وفي تخطيط المهمات الفضائية، وفي تحليل كمٍّ هائل من البيانات العلمية.

لماذا نحتاج إلى نهج جديد

يعمل علم الأحياء الفلكي على عدة مستويات في آن واحد: من الكيمياء والبنى الجزيئية إلى الرصد الكوكبي، والدراسات الميدانية للنظائر الأرضية المماثلة، ووثائق المهمات الفضائية. وينطلق المؤلفون من أن الحياة لا يمكن وصفها بعلامة واحدة أو بجهاز واحد. فهي تظهر كعملية معقّدة ذات علامات متعددة، ولذلك تلزم نماذج قادرة على الربط بين الصور والأطياف والجيوكيمياء والتقارير النصية وسياق البيئة داخل نظام واحد. وهنا تبدو النماذج الأساسية أقوى من تعلّم الآلة التقليدي الضيّق.

تلخّص الورقة استنتاجات ورشة عمل نظّمها مركز أبحاث إيمس التابع لناسا ومعهد SETI في فبراير 2025. أما النسخة الأولية من الدراسة فصدرت على arXiv في 8 أكتوبر 2025.

ويشير الباحثون إلى أن الأساس موجود بالفعل: فناسا تطوّر نماذج لغوية كبيرة خاصة بها، منها Goddard LLM وINDUS، إضافة إلى النموذج الجيومكاني Prithvi، ولدى وكالة الفضاء الأوروبية نموذج TerraMind. أي إن الحديث لا يدور عن تصوّرات لعقود قادمة، بل عن الخطوة المنطقية التالية: بناء حزمة متخصصة لمهام علم الأحياء الفلكي تحديدًا.

ثلاثة سيناريوهات عملية

يقترح المؤلفون النظر إلى هذا النظام لا بوصفه روبوت دردشة واحدًا، بل أساسًا لعدة أنماط تطبيقية. والمنطق بسيط: يمكن للقاعدة المتعددة الوسائط نفسها أن تخدم مهام مختلفة إذا أُضيفت فوقها واجهات وسيناريوهات استخدام منفصلة. النمط الأول هو البحث عن علامات الحياة في البيانات المعقّدة، والثاني المساعدة في تصميم المهمات وإدارتها، والثالث واجهة علمية للعمل مع الأدبيات والتقارير والفرضيات.

• البحث عن البصمات الحيوية. يجب أن يطابق النموذج بين العلامات الكيميائية والمورفولوجية والطيفية والبيئية، وأن يميّز آثار الحياة المحتملة عن المحاكاة اللاأحيائية.
• Astrobiology Mission Model. طبقة ذكاء اصطناعي مستقلة تساعد في اختيار الحمولة المفيدة، وتقييم قيود الأجهزة، وترتيب العينات حسب الأولوية، ودعم عمل أكثر استقلالية للمركبات.
• AB-Chat. واجهة متخصصة بعلم الأحياء الفلكي تستطيع قراءة المقالات والتقارير التقنية وأرشيفات المهمات، وتحديد الثغرات المعرفية، واقتراح فرضيات جديدة.

ومن المهم أن المؤلفين لا يقترحون إقصاء الإنسان من العملية. بل على العكس، تُوصَف أداتا AMM وAB-Chat بأنهما أداتان بنمط human-in-the-loop: توسّعان مجال رؤية الفريق، لكن القرارات الحاسمة تبقى بيد العلماء والمهندسين. وهذا مهم خصوصًا للمهمات الفضائية، لأن كلفة الخطأ مرتفعة، ولأن الاستقلالية على متن المركبة يجب أن تمرّ باختبارات طويلة وتحقق ومراجعة للسيناريوهات القصوى قبل الإطلاق بوقت كافٍ.

ما الذي يعيق التقدم الآن

العائق الرئيسي ليس نقص الأفكار، بل حالة البيانات. فمعلومات علم الأحياء الفلكي مبعثرة أصلًا بين أرشيفات وصيغ وتخصصات مختلفة: قواعد البيانات الطيفية، والجيوكيمياء، والصور، والمطيافية الكتلية، وتقارير المهمات، والملاحظات الميدانية، والمواد المطبوعة التاريخية. ولتدريب نموذج مفيد فعلًا، ينبغي أولًا العثور على هذه البيانات، وتوحيدها وفق معايير مشتركة، ووصفها ببيانات وصفية، وجعلها صالحة لتعلّم الآلة.

وثمة مشكلة منفصلة هي بيانات المهمات الحساسة: فالمخططات والإجراءات الداخلية والوثائق الهندسية تتطلب بنية تحتية محمية. ولذلك تبدو الخطوة العملية الأولى متواضعة إلى حد ما: لا بناء «عقل خارق» دفعة واحدة، بل إعادة تمرير مجموعات البيانات الموجودة عبر النموذج. ويذكر المؤلفون على وجه الخصوص الصور المرئية، والانعكاسية في نطاق VNIR، والتركيب العنصري والنظائري، وGC-MS، وRaman، وXRF/XRD، والطوبوغرافيا. وإذا جُمعت هذه المصادر مع بيانات الأرض والمريخ والقمر والكويكبات، أمكن البدء بتدريب النظام على التمييز بين البصمات الحيوية واللاأحيائية والمشابهة لها. وقد لا تكون النتيجة حدًّا صارمًا بين «الحي» و«غير الحي»، بل تدرّجًا متعدد الأبعاد، وهذا أقرب إلى الواقع في علم الأحياء الفلكي.

ماذا يعني ذلك

إذا وصل هذا النهج إلى نماذج أولية عاملة، فلن يحصل علم الأحياء الفلكي على نموذج لغوي كبير إضافي فحسب، بل على طبقة ذكاء اصطناعي متخصصة فوق العلم والهندسة الفضائية. وبالنسبة للباحثين، هذه فرصة لتجميع المعرفة من مصادر متفرقة بسرعة أكبر، وتخطيط المهمات بدقة أعلى، ورفع احتمال ألا تضيع إشارة مهمة حقًّا عن حياة محتملة في ضجيج البيانات.

والسؤال المحوري الآن ليس هل هذا النظام ممكن تقنيًا، بل من سيبني أولًا منظومة بيانات عالية الجودة ومتوافقة لدعمه.