很少有組織像 SETI 協會一樣看好人工智慧。
SETI（搜尋地外文明計畫）協會以不斷探尋外星智慧而聞名，從事廣泛複雜的科學研究活動，而對於人類的所有自然智慧來說，長期來看或許這個人為方法最有可能幫助我們有所成就。
「人工智慧是推動啟蒙的最快方式。」NASA-STC 與 SETI 空間科學應用人工智慧顧問 Graham Mackintosh，在上個月的 GPU 技術大會上對眾多與會者這麼說。
Mackintosh 還說這對 SETI 的使命尤為重要。
該學會只有 10% 的研究工作與尋找地外智慧有關，SETI 科學家們在另外 90% 的時間裡則是忙於尋找新的行星、監測太陽行為、開發行星儀器，還有研究如何在最惡劣的條件下創造宜居環境。
這些任務有一個共同主題，便是我們自己的侷限性：我們不可能知道要尋找哪些不利於我們各項作為的異常情況。人類的智慧雖有限，人工智慧技術卻擴展了我們的知識和理解界限，這是 SETI 充分利用人工智慧的一個事實。
無論問題領域是行星科學、天體生物學、生命科學、認知科學還是任何其他科學，SETI 都將人工智慧用在處理以前難以解決的任務。
「我們認為人工智慧會改變這裡面的每一個學科發展腳步。」Mackintosh 說。
SETI 針對每種情況都在 IBM 雲端環境裡，使用 NVIDIA Tesla P100 GPU叢集來訓練模型和進行推論。該學會利用其人工智慧系統的方式有：
- 消化北加州艾倫望遠鏡陣列產生的大量資訊。望遠鏡的42具接收碟，每個直徑6米，每小時發出 4.5TB 的資料。
- 模擬小行星的形狀，試圖預測它們在未來幾十年的前進方向，小行星形狀的微小變化也會顯著改變其飛越太空的路徑。
- 監測「長期彗星」，Mackintosh 說這些彗星很可怕，它們有著極為緩慢的運行周期和漫長的繞行軌道。在使用人工智慧前，我們以前從未見過這些彗星。
- 使用自2010年以來不斷觀測太陽的太陽動力學天文台，每12秒發送一次的高解析度影像以預測太陽的行為。通過神經網路模型進行這些作業，以預測未來24小時的太陽會是什麼樣子。
- 模擬太空任務和人類、車輛和科學設備將面臨的環境。評估收集到的山岳探勘資料，以複製出最接近火星表面的情況；或是潛入北極冰層，以開發和測試用於探勘冰凍行星的工具。
更為迫切的是在 NASA 的指揮下，將派遣另一組太空人前往月球，不是落地參觀而已，而是長久居住在月球上。SETI 的科學家為此打算使用人工智慧來幫助探測火山口般的小型洞穴，在其中建造居住設施，以安全避開月球表面危險的輻射線。
「要在所有隕石坑裡找到那些洞穴的難度，讓人難以置信，不過卷積神經網路的表現極為出色。」Mackintosh 說。
如果我們要回答一些關於宇宙最炙手可熱的問題，像是尋找外星生命，那麼又回到人類需要幫助的事情上，還有其它更多問題。為了找出答案，我們得確定過去無法察覺的異象，而這些異象可能會影響著我們的生活。
「少了人工智慧，我們便無法加入星際圈。人工智慧是最好的工具，能夠丟出一張大網，捕捉早就存在的異常情況。」Mackintosh 說。