一位艺术家描绘的可居住世界天文台的印象，该天文台将通过光谱学寻找系外行星上的生物特征。（图片来源：NASA戈达德航天飞行中心概念图像实验室。）密歇根州立大学的两位研究人员声称，人工智能很容易陷入将其他世界的非生命体识别为生命体的陷阱，他们在模拟生命的计算机程序中测试了人工智能。密歇根的克里斯托夫·阿达米告诉Space.com：“我们之前看到，人工智能在试图分类与其训练示例不同的事物时有一个大的致命弱点。” “我们称这些为‘分布外’样本，误分类人工智能的方式非常简单。”阿达米是一名计算生物学家，他利用计算机将信息理论应用于进化和生物学的研究。他的主要信条之一是，生命可以通过其编码信息和复制它的能力来定义。为此，他在1993年设计了Avida计算机程序。该程序运行的是以代码编写的数字有机体，这些数字有机体可以通过复制自己和争夺资源（在这情况下是CPU时间）进行繁殖，方式与真实生命有机体相似。尽管在进化研究中使用数字生命仍然存在争议，但这确实为阿达米提供了一个巨大的模拟生命体数据集，以供人工智能进行测试。阿达米和他的学生安基特·古普塔在一千台并行计算机上进行三个月的计算分析，要求人工智能确定在Avida中哪些程序具有生命的特征，哪些没有。生命程序和非生命程序的编码非常相似，因此区别并不明显——这在另一颗可能与地球生命存在生物差异的行星上也可能正是如此。阿达米和古普塔从表示随机分子序列的程序开始，要求人工智能对其进行分类。然后，他们开始逐步调整分子序列，试图每次简单地欺骗人工智能，让它认为它看到了生命，每次检查人工智能对其是生命还是非生命的信心是否发生变化。阿达米说：“经过大约15次变化，我们可以让人工智能对生命分类充满信心，实际上在它100%有信心的时候，根本没有一次是生命。” 此外，无论他们开始的序列是什么，人工智能始终被欺骗。科学界的许多人认为人工智能是一个不可或缺的工具，因为它可以处理大量数据并在数据中寻找模式。阿达米本人相信人工智能在此方面的作用很重要，但正如我们在日常生活中所见，人工智能容易编造事情并识别不存在的模式。Avida程序中不断复制和变异的数字有机体。每个彩色点代表一种特定基因型的有机体，每当它们变异成不同类型时，它们的颜色就会改变。（图片来源：阿达米等人/密歇根州立大学）阿达米表示，这实际上归结于人工智能接受的训练数据。如果你问人工智能关于它接受过训练的数据，它通常会提供正确的答案。例如，如果你训练人工智能识别苹果的图像，然后要求它在一个也包含非食品项图像的数据集中挑选出水果，它几乎总是能正确回答。然而，如果你用香蕉的照片替换苹果图像，并要求它识别水果，它会遇到困难并开始错误识别。这是因为香蕉代表“分布外”数据。人工智能没有接受过香蕉的训练，香蕉的形状与苹果非常不同，因此人工智能不知道如何处理它们。同样，我们也不知道外星微生物将是什么样子，它们可能与人工智能接受的地球微生物相差甚远。换句话说，外星生命将处于分布外，并且人工智能没有上下文来判断任何特定分子集合是否是生命或不是生命。阿达米说：“你需要了解你的训练数据，如果你知道你的测试数据是与训练数据属于同一分布，那么你就没问题。” “但是对于外星生命，这一点是无法保证的。”这可能对旨在寻找生命的任务构成问题。如果一辆火星探测器前往红色星球，打开一块岩石，直接看到看起来像是我们所知的微生物生命的东西，那么答案将是明确的，可以使用传统方法进行测试。然而，许多尝试检测生命的活动可能不会如此直接，而是依赖于质谱数据来识别与生命相关的分子和过程。这可能包括在金星大气中、在欧罗巴海洋中或通过可居住世界天文台在系外行星上探测生命的尝试，NASA计划在2040年代发射该天文台以直接成像位于恒星可居住区的系外行星。“这意味着如果在一项任务中有人工智能，