شناسایی نشانه‌های حیات در سنگ‌های باستانی دشوار است. یافتن مولکول‌های آلی به تنهایی کافی نیست؛ انواع سنگ‌ها حاوی آن‌ها هستند، اما «آلی» تنها به این معنی است که مولکول‌ها شامل زنجیره‌های اتم کربن هستند. برخی شهاب‌سنگ‌ها مملو از مولکول‌های آلی هستند که منشأ زیستی ندارند؛ آزمایشگاه‌های صنعتی روی زمین نیز به طور معمول مولکول‌های آلی تولید می‌کنند که طبیعت هرگز آن‌ها را نساخته است.
تجزیه و تحلیل دقیق مولکول‌های حاوی کربن در یک نمونه می‌تواند گاهی نشان دهد که آن‌ها از چیزی متمایز و زیستی مشتق شده‌اند. اما این رویکرد هرگز روی نمونه‌هایی با قدمت بیش از ۱.۶ میلیارد سال کار نکرده است. فراتر از آن، دانشمندان بر اساس نسبت ایزوتوپ‌های کربن در نمونه (موجودات زنده معمولاً ایزوتوپ سبک‌تر را ترجیح می‌دهند) و همچنین اینکه آیا ماده حاوی انواع ساختارهایی است که معمولاً دانشمندان را به یاد میکروب‌ها می‌اندازد، قضاوت می‌کنند. اما هیچ یک از این تکنیک‌ها بی‌عیب نیستند.
رویکرد جدیدی که این هفته در نشریه Proceedings of the National Academy of Sciences شرح داده شده است، یادگیری ماشین را با موفقیت برای این مشکل به کار گرفته است. این تکنیک نه تنها می‌تواند به شناسایی بهتر حیات باستانی در زمین کمک کند، بلکه می‌تواند برای جستجوی حیات در نمونه‌های مریخ و فراتر از آن نیز مورد استفاده قرار گیرد. این تکنیک به جای تجزیه و تحلیل مولکول به مولکول سنگ‌ها، نمونه‌ها را به قطعات کوچک تبدیل کرده و داده‌های مربوط به فرکانس‌ها و جرم مولکول‌های موجود در آن‌ها را روی یک شبکه دو بعدی نمایش می‌دهد. خروجی چیزی شبیه به یک رشته کوه به نظر می‌رسد – الگویی از قله‌هایی با اشکال مختلف. منظره هر نمونه منحصر به فرد است؛ اما برخی ویژگی‌های مشترک دارند.
محققان به سرپرستی مایکل وونگ، اخترزیست‌شناس، و آنیرود پرابو، متخصص یادگیری ماشین، هر دو از کارنگی ساینس (Carnegie Science) (که اکنون موسسه کارنگی برای علم خود را این گونه می‌نامد)، یک الگوریتم یادگیری ماشین را برای جستجوی مضامین مشترک در مناظر حاصل از نمونه‌های موجودات زنده، فسیل‌ها، شهاب‌سنگ‌ها و فرآیندهای صنعتی آموزش دادند.
آن‌ها چهار مدل ساختند که از طریق آن‌ها می‌توانستند چیزهایی با سوابق زیستی را از چیزهایی که فاقد آن‌ها بودند، تشخیص دهند. قدیمی‌ترین نمونه‌ای که آن‌ها به عنوان زیستی شناسایی کردند، ۳.۳ میلیارد سال قدمت داشت – دو برابر سن قدیمی‌ترین نمونه‌ای که با روش‌های مولکولی زیستی تشخیص داده شده بود.
گام بعدی، که ناسا (NASA) بودجه آن را تأمین می‌کند، توسعه مجموعه آموزشی بزرگتری است که شامل طیف وسیع‌تری از نمونه‌ها باشد، از جمله قارچ‌های بیشتر، حیوانات فسیلی بیشتر و نمونه‌هایی که تحت حرارت و فشار شدید قرار گرفته‌اند. این امر به مدل‌ها امکان می‌دهد تا بهتر تمایز قائل شوند – و آن‌ها را برای استفاده در نمونه‌های سیارات دیگر آماده می‌کند.
متأسفانه، جذاب‌ترین نمونه‌ها در مریخ گیر افتاده‌اند. مواد آلی جمع‌آوری شده توسط مریخ‌نورد پرسویرنس (Perseverance) ناسا در حال حاضر روی سطح سیاره‌ای که از آن آمده‌اند قرار دارند، زیرا این سازمان فاقد دانش و بودجه لازم برای بازگرداندن آن‌ها به زمین است. اما مأموریت‌های آینده می‌توانند نسخه‌ای از سیستم جدید را با خود ببرند تا نمونه‌ها را در محل تجزیه و تحلیل کنند. مواد آلی مشاهده شده در آبفشان‌های یکی از قمرهای زحل، انسلادوس (Enceladus)، هدف جذابی خواهد بود.
و یک امکان دیگر نیز وجود دارد. موجودات زنده و اجزای آن‌ها، کارکرد دارند؛ برخی از دانشمندان این تیم، از جمله دکتر وونگ، فکر می‌کنند که این ممکن است راهی اساسی برای تمایز آن‌ها از سایر مواد باشد. ممکن است مناظری که اثبات کننده حیات هستند، دارای ویژگی‌های مشترک دیگری باشند که منعکس‌کننده منشأ آن‌ها در مجموعه‌ای از مولکول‌ها با کارکردهای خاص است، نه مجموعه ای که به طور تصادفی شکل گرفته باشد. اگر چنین باشد، آزمایشی برای حیات می‌تواند بینشی نیز درباره آنچه آن را بسیار خاص می‌کند، ارائه دهد.