Marte tem quase a mesma superfície de terra seca que a Terra, com uma diferença fundamental: se atirarmos uma pedra sobre a Terra, provavelmente aterrará em algum lugar com vida. No entanto, a vida no planeta vermelho é um grande ponto de interrogação.
A Inteligência Artificial (IA) e a ‘machine learning’ poderiam tornar a busca da vida em Marte menos árdua. Uma equipa internacional, liderada pelo astrobiólogo Kimberley Warren-Rhodes, do Instituto SETI, mostrou que estas ferramentas podem identificar padrões escondidos em dados geográficos, capazes de indicar a presença de vida.
“O nosso quadro permite-nos combinar o poder da ecologia estatística com a ‘machine learning’ para descobrir e prever os padrões e regras pelos quais a natureza sobrevive e se distribui nas paisagens mais duras da Terra”, explicou o investigador, um dos autores do estudo, publicado na Nature Astronomy.
“Esperamos que outras equipas de astrobiologia adaptem a nossa abordagem ao mapeamento de outros ambientes habitáveis e bioassinaturas. Com estes modelos, podemos conceber roteiros e algoritmos feitos à medida para guiar os viajantes a locais com a maior probabilidade de abrigar vida passada ou presente – por mais escondidos ou raros que sejam”, indicou, citado pelo Science Alert.
Há um lugar na Terra que tem uma semelhança surpreendente com as planícies áridas de Marte. É o Deserto do Atacama, no Chile, um dos lugares mais secos do planeta, que não vê chuva há décadas. Mesmo neste lugar inóspito, a vida pode ser encontrada escondida debaixo da terra.
Kimberley Warren-Rhodes e os seus colegas concentraram-se numa região na fronteira entre o Deserto do Atacama e o planalto do Altiplano, chamada Salar de Pajonales. Esta bacia é um antigo leito de rio e um dos melhores análogos do ambiente de Marte na Terra.
A 3.541 metros, é elevada em altitude e recebe subsequentemente uma elevada exposição aos raios UV. Também é baixa em oxigénio e extremamente seca e salgada, no entanto, de alguma forma, a vida pode ser ali encontrada, em formações minerais.
Numa área de 2,78 quilómetros quadrados, os investigadores recolheram 7.765 imagens e 1.154 amostras, procurando as bioassinaturas telescópicas que revelavam a presença de micróbios fotossintéticos. Estes incluíam pigmentos carotenóides e clorofilas, que tingem a rocha de cor-de-rosa ou verde.
Utilizaram drones para obter imagens aéreas e simular imagens obtidas pelos satélites que orbitam Marte e adicionaram mapas topográficos 3D. Toda esta informação foi introduzida em redes neurais convolucionais (CNN) para treinar a IA a reconhecer estruturas na bacia com maior probabilidade de conterem vida.
Curiosamente, as CNN foram capazes de identificar padrões na distribuição da vida microbiana na bacia, apesar da composição mineral quase uniforme da área.
As cúpulas do gesso mineral macio eram cerca de 40% habitadas, e os padrões de terra estriados com fitas de gesso eram cerca de 50% habitadas. Analisando mais de perto, os investigadores encontraram microhabitats. Os micróbios foram atraídos para secções de alabastro, uma forma de gesso de grão fino e poroso que retém água.
Esses microhabitats de alabastro eram “quase universalmente habitados” e representavam o preditor mais fiável de bioassinaturas, sugerindo que o conteúdo de água é o principal fator de distribuição de microhabitats, concluíram.
As CNN permitiram aos investigadores identificar corretamente as bioassinaturas até 87,5% do tempo, em comparação com até 10% para pesquisas aleatórias. Isto reduziu a quantidade de terreno que necessitavam de cobrir por um impressionante 85% a 97%.
“Tanto para as imagens aéreas como para os dados à escala de centímetros, o modelo demonstrou uma elevada capacidade de previsão da presença de materiais geológicos fortemente suscetíveis de conter bioassinaturas”, disse o cientista informático Freddie Kalaitzis, da Universidade de Oxford, no Reino Unido.
“Os resultados alinharam-se com os dados da verdade, estando a distribuição de bioassinaturas fortemente associada a características hidrológicas”, continuou.
A abordagem, portanto, parece ter múltiplos benefícios. O trabalho ensina sobre a vida em ambientes extremos na Terra e mostra promessa de identificação de vida em Marte. E poderia ajudar a identificar outras bioassinaturas aqui no nosso planeta.
A equipa planeia tentar treinar as suas CNNs sobre outras bioassinaturas, tais como os estromatólitos, que são tapetes microbianos fossilizados que podem ter milhares de milhões de anos, e comunidades de halófilos, organismos que prosperam em ambientes super salinos.
