Невероятно, но факт: искусственный интеллект теперь археолог — и он откапывает то, что скрыто от глаз

Поиск древнейшей жизни остаётся одной из самых сложных задач современной науки: окаменелости, сохранившиеся миллиарды лет, редки, а биомолекулы разрушаются так быстро, что почти никогда не доходят до наших дней. Однако группа исследователей предложила революционный подход. Вместо того чтобы искать неповреждённые следы, они решили анализировать химический "шлейф" — структуру молекулярных фрагментов, которые остаются после распада биомолекул. Новая методика с искусственным интеллектом позволяет определять происхождение пород даже тогда, когда "классические" биосигнатуры отсутствуют. Это открывает путь к поиску жизни в самых древних земных породах — и на других планетах.

Как машина научилась распознавать "химические призраки"

Вместо того чтобы искать узнаваемые липиды, порфирины и другие соединения, команда под руководством Роберта Хейзена решила обучить ИИ работать с фрагментами, которые образуются при нагреве древних пород. Исследователи использовали пиролизный газовый хроматограф-масс-спектрометр: образцы нагревались до более чем 600 °C, расщеплялись на сотни тысяч компонентов, а прибор фиксировал каждый фрагмент как уникальный пик.

"У нас есть способ читать молекулярные "призраки", оставленные ранней жизнью", — говорит геолог Роберт Хейзен.

Каждый набор данных представлял собой сложный "ландшафт", где наборы пиков отличались у биологических и абиотических образцов. Для поиска закономерностей использовали модель случайного леса — классический алгоритм машинного обучения. ИИ удалось выявлять отличительные паттерны, даже если исходные молекулы уже давно исчезли.

Что именно классифицировал искусственный интеллект

Для обучения ИИ исследователи собрали более 400 образцов:

• породы, содержащие современные или ископаемые микроорганизмы;
• абиотические метеориты;
• древние отложения неоднозначного происхождения.

Алгоритм обучался на 75% данных, а оставшиеся использовались для тестирования.

Результаты оказались впечатляющими: ИИ различал биотические и абиотические образцы с точностью свыше 90%. Он также обнаружил биосигнатуры в породах возрастом 3,3 млрд лет — более чем вдвое древнее предыдущих молекулярных находок.

"Это отличный способ поиска биосигнатур", — считает микробный биогеохимик Карен Ллойд.

Следы фотосинтеза: находка, которая сдвигает хронологию

Особенно интригующим открытием стала сигнатура фотосинтеза в породах возрастом 2,5 млрд лет. До сих пор распознаваемые молекулярные следы кислородного фотосинтеза относили к более поздним эпохам, но ИИ смог обнаружить паттерны, которые указывают на более раннее возникновение этих организмов — почти на 800 миллионов лет раньше.

Почему остаться незамеченными легко

Не все образцы алгоритм определял одинаково уверенно. Для пород возрастом 500 млн — 2,5 млрд лет ИИ успешно находил сигнатуры в двух третях случаев. Но в образцах старше 2,5 млрд лет вероятность снижалась до 47% — не из-за ошибки модели, а из-за того, что древнейшие химические структуры часто разрушены тектоническими и термическими процессами.

Чтобы оценить достоверность, модель выдавала вероятность: более 60% считалось "сильным совпадением". Учёные признают, что уверенность нужно повысить.

Однако новые данные для обучения ИИ позволят улучшить точность и расширить спектр распознаваемых паттернов.

Чем новый подход лучше традиционных методов

Обычный поиск древней жизни опирается на:

• микрофоссилии (но они редки и спорны);
• молекулярные остатки липидов и порфиринов;
• изотопные следы (например, избыток углерода-12).

Эти методы неприменимы к сильно изменённым породам, подвергавшимся тектоническим сдвигам, нагреву и метаморфизму. ИИ же способен работать с фрагментированными химическими структурами.

Сравнение подходов

Как обучают ИИ такому анализу

1. Проводят пиролизный ГХ-МС анализ образца.

2. Получают набор из сотен тысяч пиков.

3. Преобразуют данные в цифровой "ландшафт".

4. Алгоритм учится распознавать закономерности.

5. Проводят тестирование на новых образцах.

По словам исследователей, модель работает как "химический отпечаток пальца".

А что если использовать метод вне Земли?

Основная цель проекта — проложить путь для будущих миссий на Марс и ледяные луны. Анализ химических паттернов может стать ключевым инструментом для автоматических станций, которые не смогут доставить образцы на Землю.

По словам создателей модели, ИИ позволит обнаруживать неизвестные биосигнатуры, не ограничиваясь земной биохимией.

Плюсы и минусы подхода

FAQ

Какой прибор использовали?
Пиролизный газовый хроматограф-масс-спектрометр.

Можно ли применять метод в полевых условиях?
Да, компактные версии ГХ-МС планируется использовать в будущих миссиях NASA.

Насколько точен ИИ?
В тестах точность превышала 90% для различения биотики и абиотики.

Мифы и правда

Миф: жизнь можно обнаружить только по сохранившимся клеткам.
Правда: ИИ показывает, что химические паттерны могут быть не менее информативны.

Миф: молекулы полностью исчезают со временем.
Правда: остаются фрагменты, достаточные для анализа.

Три интересных факта

• Строматолиты — одни из древнейших доказанных следов жизни, возрастом 3,5 млрд лет.
• Газовые хроматографы используют даже в исследованиях комет.
• ИИ способен распознавать закономерности, недоступные человеческому глазу.

Исторический контекст

Первые споры о древнейшей жизни — XIX век.

Развитие масс-спектрометрии — середина XX века.

Приход ИИ в геохимию — XXI век, начало новой эпохи поиска биосигнатур.