Een internationaal team van astronomen gebruikt een AI‑model om een oud kosmisch raadsel te onderzoeken: waarom zien we geen andere beschavingen? Zij presenteren deze week een uitkomst die onrust wekt: intelligente soorten zouden vaak snel verdwijnen. Het werk is gedaan aan universiteiten in Europa en de VS en bouwt op openbare sterrenkundige datasets. Dit raakt aan de Europese AI‑verordening en de gevolgen voor overheid en wetenschap, zoals eisen aan transparantie.
AI hint op Grote Filter
Het team trainde een algoritme op gegevens over exoplaneten, sterleeftijden en de kans op technologische ontwikkeling. Een algoritme is hier een computerprogramma dat patronen leert uit data. Het model berekent hoe vaak leven kan uitgroeien tot een ruimtereizende beschaving. De uitkomst wijst op korte “vensters” waarin signalen zichtbaar zijn.
Zo’n venster kan sluiten door zelfvernietiging, natuurgeweld of uitputting van grondstoffen. In de sterrenkunde heet dat idee het Grote Filter: één of meer cruciale stappen zijn zeldzaam of riskant. Daardoor kan de Melkweg vol leven zijn, maar toch stil lijken. Voor telescopen levert dat weinig, korte of zwakke sporen op.
De onderzoekers combineren statistiek met simulaties van kolonisatiegolven door de melkweg. Ze testen duizenden scenario’s met verschillende aannames. Het AI‑model rangschikt welke verhaallijnen het best bij de data passen. Het sombere scenario scoort hoog, maar is geen hard bewijs.
Het Grote Filter is het idee dat één of meer stappen van leven naar ruimtecivilisatie extreem onwaarschijnlijk of riskant zijn, waardoor de meeste beschavingen nooit lang zichtbaar zijn.
Beperkingen van de methode
De trainingsdata zijn schaars en scheef verdeeld. We kennen op het moment van schrijven geen enkele bevestigde technosignatuur buiten de aarde. Het model leert dus vooral van indirecte gegevens, zoals planeetgroottes en stertypes. Dat maakt elke uitkomst gevoelig voor aannames.
Ook is het AI‑systeem deels een black box: het geeft kansen, maar geen oorzaken. Onderzoekers beperken dit met extra controles en eenvoudiger tussenstappen. Toch blijft het verschil tussen correlatie en oorzaak belangrijk. Een patroon in data hoeft geen wetmatigheid in de natuur te zijn.
Dit vraagt om herhaalbare analyses met open code en datasets. Europese initiatieven als de European Open Science Cloud (EOSC) kunnen daarbij helpen. Transparantie sluit aan op de Europese AI‑verordening, die uitlegbaarheid en documentatie eist voor risicovolle toepassingen. Voor kosmologisch onderzoek is de juridische drempel laag, maar de wet geeft wél goede praktijkregels.
Richting voor zoekstrategieën
Als signalen kort leven, moet zoeken anders. Radiotelescopen kunnen vaker, breder en met kortere “blikken” scannen. De Square Kilometre Array (SKA), waar Europese partners aan meedoen, is daarvoor geschikt. Ook Europese organisaties zoals ESO kunnen survey‑strategieën aanpassen.
De focus kan verschuiven van constante bakens naar sporen van industrie of uitsterving. Denk aan kortstondige radioflitsen, ongebruikelijke luchtvervuiling in exoplanetatmosferen of energiepatronen rond sterren. ESA‑missies als PLATO en Ariel brengen daarbij cruciale metingen van exoplaneten. Ze leveren stabiele, open data voor vervolg met AI.
Voor Nederland biedt dit kansen bij Radboud Universiteit, ASTRON en SRON. Slimme algoritmen voor signaalfiltering en anomaliedetectie passen goed bij onze radioastronomie. Investeren in data‑infrastructuur en modelvalidatie vergroot impact. Het helpt ook om vals‑positieven snel te corrigeren.
Wetgeving en transparantie
De Europese AI‑verordening zet kaders voor datamodellen in wetenschap, met eisen aan documentatie en menselijke controle. Hoewel kosmische modellen niet in de hoogste risicoklasse vallen, gelden basisregels voor eerlijkheid, traceerbaarheid en veiligheid. Overheden die de uitkomsten gebruiken in beleid of communicatie moeten dat toelichten. Dit voorkomt overschatting van onzeker onderzoek.
De AVG speelt mee wanneer menselijke data of communicatie‑logs in trainingspijplijnen belanden, bijvoorbeeld bij crowd‑sourcing van signalen. Dan gelden dataminimalisatie, anonimisering en beveiliging. Publieke instellingen moeten DPIA’s uitvoeren bij nieuwe datastromen. Zo blijft privacy geborgd, ook buiten de kern van de astronomie.
Voor overheid en kennisinstellingen is heldere duiding essentieel. Onzekerheden horen in elk persbericht en beleidsstuk, met broncode en datasets waar mogelijk openbaar. Dat past bij open science en vergroot vertrouwen. Het verkleint ook de kans op misbruik of misinterpretatie van spectaculaire claims.
Wat blijft onzeker
Het AI‑resultaat is een waarschijnlijke verklaring, geen sluitstuk. Nieuwe metingen kunnen het beeld kantelen. De Vera C. Rubin Observatory, JWST en de SKA gaan het parametergebied sterk uitbreiden. Elke extra ontdekking van een leefbare planeet of raadselachtige emissie telt.
Er zijn ook alternatieven die de stilte verklaren. Misschien zoeken we op de verkeerde frequenties of tijden. Of technosignaturen lijken op natuurlijke processen die we nog niet goed begrijpen. AI kan helpen die grenzen te verkennen, maar niet alleen.
De kern blijft: combineer modellen met toetsbare voorspellingen. Leg datasets en aannames open. En bouw internationale controles, liefst onder Europese open‑science standaarden. Zo scheiden we robuuste inzichten van slimme gissingen.