在搜寻地外情报（SETI）方面，我们经常寻找与我们的情报，技术和沟通相似的迹象。

但正如天文学家和SETI开拓者Jill Tarter指出的那样，这种方法意味着搜索可检测的技术标志，如无线电传输，而不是寻找智能。

现在科学家正在考虑人工智能（AI）是否可以帮助我们以预想外的方式寻找外星智能。

解码情报

当我们思考外星智慧时，记住人类不是地球上唯一的智能生物。黑猩猩有自己独特的文化和工具，蜘蛛用网处理信息，鲸类有方言，乌鸦懂得类比，海狸是优秀的工程师。非人类的智慧，语言，文化和科技都在我们身边。外星人的智慧可能看起来像章鱼，蚂蚁，海豚或机器，或与地球上的任何东西都截然不同。

我们常常会想外星生命与我们相关的想法的差异，但这些想法在地球上甚至不是普遍的，并且不太可能在星际空间中普遍存在。如果一些人最近认识到地球上有非人类智慧，那么当我们想象外星生命时，我们会错过什么？

在2018年初，天文学家，神经科学家，人类学家，人工智能研究人员，历史学家和其他人聚集在硅谷SETI研究所开展“解密外星人情报”研讨会。太空生物学家Nathalie Cabrol围绕她2016年的论文“外星人的思维”组织了这次研讨会，她提出一个新的SETI路线图和“寻找生命，因为它们仍然是未知的”的长期愿景。

在她的论文中，卡布罗尔问SETI如何能够通过“寻找其他版本的自己”，并且认为要“在我们自己的大脑之外”去想象真正不同的外星智慧。

思路不同

硅谷以重视“颠覆性”思维而闻名，这种文化与SETI研究相互交织。自从20世纪90年代中期美国政府  停止资助SETI以来，硅谷的想法，技术和资金变得越来越重要。

例如，SETI研究所的艾伦望远镜阵列是以微软联合创始人保罗艾伦的名字命名的，艾伦为该项目贡献了超过2500万美元。而且，在2015年，技术投资人尤里米尔纳宣布Breakthrough Listen这一项为期10年，耗资1亿美元的SETI计划。

现在，SETI研究所，美国国家航空航天局，英特尔，IBM和其他合作伙伴正在通过名为前沿开发实验室的人工智能研究和开发计划来解决空间科学问题。国会图书馆天体生物学主席 Lucianne Walkowicz在2017年的突破性讨论中描述了一种基于人工智能的方法，即“信号不可知情况下的搜索”。

Walkowicz解释说，这意味着使用机器学习方法来查看没有预定类别的任何数据集合，而不是让数据集群进入它们的“自然类别”。然后，通过软件分辨异常值。这些异常值可能成为额外调查的目标。

事实证明，SETI研究人员认为AI可能对他们的工作有用，因为他们认为机器学习可以很好地发现差异。但是，它的成功取决于我们如何以及我们创造的人工智能概念化差异的概念。

比粘液霉更聪明？

在脑海中思考也意味着同时要在我们的科学，社会和文化体系之外思考。但我们怎么做到这一点？人工智能已被用于寻找模拟研究人员想象中的外星无线电信号，但现在SETI研究人员希望它能找到我们设想外的东西。

SETI研究所研讨会人工智能顾问Graham Mackintosh表示，外星人可能做的事情我们无法想象，使用的技术如此不同，我们甚至都没有想到要寻找它们。而人工智能可能能够为我们做出前卫的想法。

我们可能无法让自己变得更聪明，但我们可以制造出更聪明的机器。

在今年突破性讨论会上的一个主题演讲中，天体物理学家Martin Rees也分享了类似的想法，即人工智能可能导致“智能会超越人类，就像人类的智力超越粘液霉菌一样”。

第一次接触

如果我们遇到外星粘液霉菌，我们对它的智力要做出怎样的假设？SETI的一个挑战是我们不知道生命或智力的限制，所以我们需要考虑所有可能的差异。我们可能会发现欧美科学在历史上忽视的智能形式：微生物群落，昆虫或其他复杂系统，如菌经验中了解到的菌根网络共生植物和真菌关系。

从行星尺度来说，智能可能出现在大气或地质学中，或者是天体物理现象。似乎宇宙中的背景过程，或者我们认为自然界的一部分，都可能会变成智能。考虑到地球上最大的生物可能是俄勒冈州东部蓝山的一种Armillaria ostoyae真菌，它延伸至10平方公里，生长了大概2000至9,000年。虽然这种真菌可能并不是大多数人认为的智能，但它提醒我们在寻找生命和智力时，我们很容易错过的事物。

对智力的不同思考意味着理解，我们遇到的任何事情都可能首先与智慧生活接触。这可能包括我们第一次遇到人工智能（AGI），也称为Strong AI，它更类似于2001: A Space Odyssey 中的有感知力的计算机HAL 9000 或来自 2001: A Space Odyssey的数据。

当我们与机器学习一起扩展SETI搜索时，我们也需要社会科学来理解我们的想法如何塑造人工智能的未来，以及人工智能将如何塑造我们想法的未来。

跨学科的未来

为了避免SETI中以人为中心的观点，我们需要考虑我们如何将有关差异的想法编码为AI并如何塑造结果。这对于发现和识别智能至关重要。例如，人类学中使用的一些方法可以帮助我们识别已经归化的差异的想法和概念，这些如此熟悉以至于总被忽略，就像很多人在自然和文化或生物学与技术之间看到的分歧。

最近对算法的研究揭示了我们的想法，即如何塑造我们创造的技术以及我们如何使用它。而微软AI聊天机器人提醒我们，我们创建的AI可以轻松反映这些想法中最糟糕的情况。我们可能避免不了在SETI的搜索引擎和搜索策略中存在的偏见，或是将其编码为AI。但通过科学家和社会科学家之间的合作，我们可以批判性地思考如何概念化这些差异。

因此，重要的跨学科方法将帮助我们理解包含差异的观点，考察它们如何影响地球甚至其他星球的生活、研究和未来的可能性。