在探索外太空的旅程中，人工智慧（AI）被視為尋找外星生命的關鍵工具。然而，密西根州立大學（MSU）的研究團隊近日發出警告，AI 在這過程中可能會出現「自信地判錯」的風險，這讓未來的太空任務蒙上了一層陰影。
研究人員利用 Avida 電腦程式建立了虛擬生物模型，最初訓練系統分辨「可自我複製」與「不可自我複製」的數位生物，準確率高達 99.97%。然而，當團隊故意製造更逼真的假樣本時，AI 開始逐漸被誤導。最終，即使這些假樣本從未展現該虛擬世界中唯一被定義為生命的特徵——複製，AI 仍幾乎百分之百認定它們是活的。
這項研究揭示了 AI 的盲點：它往往只是盲目抓取訓練資料中的模式，並沒有真正理解「生命」的本質。研究人員警告，若未來前往火星、冰衛星或其他外星環境的探測器過度依賴智慧儀器，AI 极易在面對罕見、陌生的外星樣本時產生「高信心的誤判」，進而嚴重干擾生命跡象的判讀。
從產業面來看，尽管 AI 在數據處理方面展示了驚人的能力，但其盲點和誤判風險仍需慎重考慮。NASA 及其合作夥伴應在未來的任務中，更加謹慎地整合 AI 技術，確保不會因技術缺陷而錯失重要的外星生命線索。
儘管存在這些隱憂，NASA 及其合作夥伴仍持續投入 AI 驅動的生命探測計畫。目前，由卡內基科學研究所學者 Michael L. Wong 與 NASA 科學家 Caleb Scharf 共同領導的一項計畫，已獲得 500 萬美元的資助。該計畫目標是利用隕石、岩石、化石與活體生物等至少 1,000 份樣本，結合過去搭載於 NASA 任務中質譜儀所收集的真實數據來訓練 AI，讓模型學會辨識「生命改變化學組成」後所留下的獨特訊號。
針對 MSU 團隊的擔憂，Wong 認為這項研究固然值得重視，但未必代表 AI 生命探測法存在致命缺陷。他解釋，實驗中製造假生命樣本的方式，其實經歷了類似「自然選擇」的漸進篩選過程，而這本身就是一種生命的特質。Wong 同時強調，未來的 AI 模型訓練絕不能只教它辨識「活著的東西」，必須將化石、殘留物與生命副產品納入資料庫。否則，若探測的星球上只留下早已滅絕的生物圈化學遺跡，缺乏相關訓練的 AI 可能會完全看不出那曾經是生命的證據。
事實上，AI 也有能力找出人類一開始沒注意到的線索。研究團隊舉例，系統曾判定一個海鞘樣本具有「光合作用」特徵，科學家後來才發現，海鞘體內經常共生著能利用陽光的藻類，這證明 AI 確實成功捕捉到了隱蔽的化學指紋。尽管 AI 展現了驚人潛力，但密西根州立大學團隊仍重申，這類工具距離真正應用於太空任務還有一段路要走。在正式升空前，科學界仍需進一步強化 AI 防範誤導的能力。
這場 AI 與外星生命的對決，未來將如何演變？讀者不妨關注 NASA 及相關研究團隊的最新進展，或許能從中找到更多答案。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
AI 在尋找外星生命時有哪些主要風險？
AI 在尋找外星生命時可能出現「自信地判錯」的風險，即在面對罕見、陌生的外星樣本時，AI 可能會錯誤地判斷這些樣本為活的。
NASA 如何應對 AI 的誤判風險？
NASA 及其合作夥伴正在通過更多的樣本和數據訓練 AI，使其學會辨識「生命改變化學組成」後所留下的獨特訊號，並納入化石、殘留物與生命副產品等多種資料。
研究團隊對 AI 的未來應用持什麼看法？
研究團隊認為，盡管 AI 有其潛力，但在正式應用於太空任務前，仍需進一步強化其防範誤導的能力。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
