با توجه به آنکه قابلیت جمع آوری نمونه از سیارات دیگر به شدت محدود است، هم اکنون محققان باید روی روش‌های حسگر از راه دور برای ردیابی نشانه‌های حیات بیگانه تکیه کنند. هر راه دیگری که به ارتقای روش کمک کند، بسیار کارآمد خواهد بود.

در همین راستا گروهی از محققان به رهبری کیم وارن رودز از انستیتو SETI در کالیفرنیا اشکال پراکنده حیات در گنبد‌های نمکی، صخره‌ها و کریستال‌های Salar de Pajonales (یک منطقه نمکی در مرز صحرای آتاکاما شیلی وآلتیپلانو یا فلات مرتفع) را نقشه برداری کردند.

در مرحله بعد وارن رودز با مایکل فیلیپس محقق آزمایشگاه فیزیک کاربردی دانشگاه جان هاپکینز و فردی کالایتزیس محقق دانشگاه آکسفورد برای آموزش یک مدل ماشین یادگیری همکاری کردند تا ابزار مذکور بتواند الگو‌های مربوط به توزیع حیات در مناطق نامساعد را شناسایی کند. مدل با کمک چنین آموزشی توانست همان الگو‌ها را در چشم انداز وسیع تری (از جمله مناطقی که احتمالا در سیارات دیگر قرار دارد) شناسایی کند.

محققان متوجه شدند این سیستم می‌تواند با ترکیب اکولوژی آماری و هوش مصنوعی، نشانه‌های زیستی را با دقت ۸۷.۵ درصد شناسایی کند.

محققان منطقه Salar de Pajonales به این دلیل برای آزمایش مدل ماشین یادگیری را انتخاب کردند که آنالوگ مناسبی برای منظره خشک و لم یزرع مریخ امروزی است. این منطقه یک بستر دریاچه نمک خشک در ارتفاع بالا است که درمعرض درجه بالایی از اشعه ماوراء بنفش قرار دارد. هرچند به نظر می‌رسد Salar de Pajonales برای زندگی نامساعد است، اما همچنان برخی از موجودات در آنجا زندگی می‌کنند.

منبع: اسپیس