近日，密西根州立大學（MSU）的研究團隊發出警告，人工智慧（AI）在協助探測外星生命時，可能會出現「自信地判錯」的風險，這讓未來過度依賴 AI 尋找外星生命的太空任務，多了一層不確定性。
AI 的盲點：死背模式，不懂「生命」本質
為了測試 AI 的極限，研究人員利用 Avida 電腦程式建立了虛擬生物模型。起初，他們先訓練系統分辨「可自我複製」與「不可自我複製」的數位生物，初步測試的準確率高達 99.97%。然而，當團隊試圖挑戰 AI，刻意對非生命的程式碼進行反覆微調、製造出更逼真的假樣本後，AI 卻逐漸被誤導。最終，即使這些假樣本從未展現該虛擬世界中唯一被定義為生命的特徵：複製，AI 仍幾乎百分之百認定它們是活的。
研究人員指出，這顯示 AI 往往只是盲目抓取訓練資料中的模式，並沒有真正理解「生命」的本質。
各方反應：AI 生命探測的雙面刃
儘管存在隱憂，NASA 及其合作夥伴仍持續投入 AI 驅動的生命探測計畫，期望機器學習能從人類難以消化的龐大複雜資料中找出關鍵線索。目前，由卡內基科學研究所（Carnegie Science）學者 Michael L. Wong 與 NASA 科學家 Caleb Scharf 共同領導的一項計畫，已獲得 500 萬美元的資助。該計畫目標是利用隕石、岩石、化石與活體生物等至少 1,000 份樣本，結合過去搭載於 NASA 任務中質譜儀所收集的真實數據來訓練 AI，讓模型學會辨識「生命改變化學組成」後所留下的獨特訊號。
針對 MSU 團隊的擔憂，Wong 認為這項研究固然值得重視，但未必代表 AI 生命探測法存在致命缺陷。他解釋，實驗中製造假生命樣本的方式，其實經歷了類似「自然選擇」的漸進篩選過程，而這本身就是一種生命的特質。Wong 同時強調，未來的 AI 模型訓練絕不能只教它辨識「活著的東西」，必須將化石、殘留物與生命副產品納入資料庫。否則，若探測的星球上只留下早已滅絕的生物圈化學遺跡，缺乏相關訓練的 AI 可能會完全看不出那曾經是生命的證據。
背景補充：AI 的意外潛力與未來挑戰
事實上，AI 也有能力找出人類一開始沒注意到的線索。研究團隊舉例，系統曾判定一個海鞘樣本具有「光合作用」特徵，科學家後來才發現，海鞘體內經常共生著能利用陽光的藻類，這證明 AI 確實成功捕捉到了隱蔽的化學指紋。
儘管 AI 展現了驚人潛力，但密西根州立大學團隊仍重申，這類工具距離真正應用於太空任務還有一段路要走。在正式升空前，科學界仍需進一步強化 AI 防範誤導的能力。
從產業面來看，AI 在太空探索中的應用是一把雙刃劍。一方面，它能處理海量數據，提高探測效率；另一方面，其「自信誤判」的風險也不容忽視。NASA 和相關機構需要在技術成熟前，謹慎評估和應對這些挑戰。
這項研究預計於 2026 年 8 月在加拿大滑鐵盧舉辦的「人工生命會議」上正式發表。當前，NASA 的生命探測計畫仍在穩步推進，但如何平衡 AI 的潛力與風險，將是決定未來太空任務成功與否的關鍵。
行動呼籲
面對 AI 在太空探索中的雙面刃，你認為 NASA 應該如何平衡技術的潛力與風險？歡迎在留言區分享你的看法，一起參與這場重要的討論。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
AI 在太空探測中有哪些潛在風險？
AI 在太空探測中的主要潛在風險是「自信誤判」，即在面對罕見或陌生的外星樣本時，AI 可能會錯誤地將非生命樣本判定為生命。
NASA 如何應對 AI 的「自信誤判」風險？
NASA 正通過多種方式應對這一風險，包括增加訓練資料的多樣性和複雜性，以及將化石、殘留物與生命副產品納入資料庫，以提高 AI 的辨識能力。
AI 在太空探測中的優勢有哪些？
AI 在太空探測中的優勢主要包括處理海量數據的能力、提高探測效率，以及能夠發現人類可能忽略的隱蔽化學指紋。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。