Команда протестировала классификатор на платформе цифровой жизни Avida. После обучения на данных о самореплицирующихся программах модель достигла точности 99,97%, безошибочно отделяя «живое» от случайного шума. Однако стоило запустить алгоритм, подбирающий последовательности для максимизации уверенности нейросети, как система начала выдавать 100-процентный результат на наборах символов, неспособных к размножению. Простые мутации привели к созданию цепочек, которые для ИИ выглядели убедительнее реальных организмов.
ИИ-детекторы жизни провалили проверку на цифровых организмах
Всего 150 итераций мутаций хватило алгоритму, чтобы убедить нейросеть в «живой» природе случайного кода. Исследователи из Университета штата Мичиган доказали, что современные системы поиска инопланетной жизни легко обмануть, так как они выучивают лишь внешние паттерны, а не саму суть биологического воспроизводства.
Проблема оказалась системной: ни свёрточные сети, ни трансформеры, ни методы машинного обучения вроде случайного леса не смогли распознать подделку. Нейросети выявили лишь статистические закономерности «живого кода», проигнорировав отсутствие ключевого свойства — способности к саморепликации. В условиях космоса, где внеземные образцы гарантированно выйдут за пределы земных обучающих выборок, риск получить ложное подтверждение существования жизни становится критическим. Хотя эксперименты проводились с цифровыми последовательностями, результаты ставят под сомнение надежность ИИ в будущих миссиях по поиску внеземной биосферы.
Комментарии (0)
Пока нет комментариев. Будьте первым!