共计 762 个字符，预计需要花费 2 分钟才能阅读完成。
研究人员利用人工智能技术，成功在 33 亿年前的岩石中检测到了有机生命的化学痕迹。这一突破性方法不仅为地球早期生命研究提供了新视角，还为寻找外星生命迹象开辟了新的可能性。
科学家首次将监督机器学习技术应用于识别数十亿年前岩石中的生物标志物。这一创新方法被用于分析来自南非 Josefsdal Chert 的 33 亿年前沉积物，以及南非 Gamohaan 组 25.2 亿年前岩石中的光合生命痕迹。研究结果显示，产氧光合作用的分子证据被提前了超过 8 亿年。研究团队对 400 多个样本进行了分析，包括古代沉积物、化石、现代植物、动物和陨石，以验证生命特征是否能在原始生物分子消失后长期保存在岩石中。
地球最早的生命形式留下的分子痕迹极为稀少。古代细胞和微生物垫的生物碎片在地球动态地壳中被埋藏、挤压、加热和破裂，随后被推回地表。这些数十亿年的地质活动几乎抹去了所有生物标志物，将诊断性生物分子分解成微小片段。然而，这项新研究利用这些古老岩石中的微小片段，即使在原始生物分子缺失的情况下，也能提取出有关生物圈的宝贵信息。研究人员结合光谱法和一种称为“随机森林”的机器学习模型，对数据进行了分类和模式提取。相关研究论文已发表在《美国国家科学院院刊》（PNAS）上。
该机器学习模型能够以 98% 的准确率区分含有生命的有机物质和非生物起源的物质，如合成化学物和陨石。此外，模型还能以 93% 的准确率检测光合作用的迹象，成功识别了 25.2 亿年前岩石中的光合作用标志物。尽管由于训练集中缺乏古代动物化石，模型在区分植物和动物生命时的准确率略低（95%），但这一方法在寻找外星生命方面展现了巨大潜力。
这项研究不仅为地球早期生命的研究提供了新的工具，也为未来在火星或其他星球上寻找生命迹象奠定了技术基础。随着人工智能技术的不断进步，科学家们有望在更广阔的宇宙中揭开生命的奥秘。
