Projekt Galileo: Wie Harvard künstliche Intelligenz zur Suche nach Außerirdischen einsetzen will

Das Projekt Galileo wurde vom Harvard- Astrophysiker Avi Loeb ins Leben gerufen, der zehn Jahre lang die Astronomieabteilung der Universität leitete. Das 2021 gestartete Projekt zielt darauf ab, unbekannte Luftphänomene (UAP) mithilfe von Technologien, künstlicher Intelligenz (KI) und einer protokollierbaren und reproduzierbaren wissenschaftlichen Methode zu entdecken. Diese ehrgeizige Mission bringt erhebliche Paradoxe mit sich, angefangen mit dem dem italienischen Physiker Enrico Fermi zugeschriebenen Paradoxon, wonach die hohe statistische Wahrscheinlichkeit der Existenz anderer Zivilisationen und der Mangel an Beweisen für ihre Existenz einen unlösbaren Widerspruch schaffen.

Das Galileo-Projekt

Um eine Antwort auf das Fermi-Paradoxon zu finden, nutzt das Galileo-Projekt Computervision und Algorithmen zur Flugbahnverfolgung, die auf die vom Multispektrum-Observatorium erfassten Daten angewendet werden.

Yolo ist ein Algorithmus für maschinelles Lernen zur Objekterkennung, während Sort Flugbahnen verfolgt. KI-Systeme werden anhand von Bildern von Flugzeugen, Vögeln, Drohnen, Satelliten und allen bekannten Objekten am Himmel und im Weltraum trainiert. Yolo kann bereits bekannte Flugobjekte identifizieren und so bereits bekannte Objekte ausschließen. Die gängige wissenschaftliche Methode erfordert, Falsches auszuschließen, um Reales zu identifizieren. Es scheint, als würde das grundlegende Paradigma der Wissenschaft auf den Kopf gestellt, doch wie wir sehen werden, ist dies nicht der Fall.

Mithilfe von 3D-Modellen, ausgeklügelten Algorithmen und dem Supercomputer Cannon Cluster, der aus Tausenden miteinander verbundenen Servern besteht, will Avi Loeb das Bekannte herausfiltern und das Unbekannte identifizieren. Das Observatorium in der Nähe von Boston soll um weitere Observatorien erweitert werden, die mit Sensoren ausgestattet sind, um verschiedene Arten von Daten zu sammeln: Bilder, Infrarotsignale, akustische und magnetische Signale.

Die Notwendigkeit menschlichen Eingreifens

Egal wie leistungsstark der Cannon Cluster ist und wie fortschrittlich die Sensoren und Algorithmen des Galileo-Projekts sind, alle anomalen Daten werden dem menschlichen Auge angezeigt.

Damit kommen wir zurück zu einer der Beschränkungen der KI: Sie ist zwar in der Lage, Milliarden von Datenpunkten in sehr kurzer Zeit zu verarbeiten, kann aber ohne menschliches Eingreifen trotzdem keine fundierten und sicheren Schlussfolgerungen ziehen. Dies ist sowohl eine Beschränkung als auch ein Paradoxon: KIs sind gut darin, das zu erkennen, wozu sie trainiert wurden, und da Menschen keine Ahnung haben, was ein UAP ist , helfen die fortschrittlichsten Algorithmen und Technologien dabei, scheinbar unbekannte Entsprechungen zu kennzeichnen. Die Daten des Galileo-Projekts sind öffentlich und jeder kann sein Fachwissen einbringen oder bei der unabhängigen Überprüfung der gesammelten Informationen und der erzielten Fortschritte mitwirken. Dies zeigt, dass die parallele Arbeit von Supercomputern, Algorithmen und fortschrittlichen Sensoren allein nicht ausreicht; im Gegenteil, ein Mehrwert wird nur durch die Zusammenarbeit mehrerer menschlicher Köpfe gewährleistet.

Ein Paradoxon nach dem anderen lösen

Selbst wenn das Galileo-Projekt eines Tages Bilder oder Flugbahnen finden würde, die mit nichts bisher Bekanntem übereinstimmen, stünden wir vor Russells Teekannenparadoxon: Wer behauptet, dass eine Teekanne zwischen Erde und Mars kreist, muss dies auch beweisen.

Wir befinden uns also in einer Sackgasse: Selbst wenn Avi Loeb Beweise für etwas dem Menschen völlig Unbekanntes finden würde, würde es – bis zum Beweis des Gegenteils – nicht ausreichen, die Entdeckung eines UAP zu behaupten. Dies würde den weiteren Einsatz von KI-Algorithmen , Rechenleistung und menschlichem Eingreifen mit noch abstrakteren und komplexeren Schlussfolgerungen nach sich ziehen. Letztlich würde die wissenschaftliche Methode wieder zur Anwendung kommen, wonach es notwendig wäre, Falsches auszuschließen, um Wahres zu identifizieren; das heißt, auszuschließen, was kein UAP ist, um festzustellen, was ein UAP ist.