哈佛大学教授、天体物理学家阿维·勒布 (Avi Loeb) 宣布公开邀请感兴趣的个人加入伽利略项目，以调查不明异常现象（即 UAP）。该倡议旨在利用配备先进技术的观测站，应用严格的科学方法来收集可能表明外星技术的物体的数据。
这一呼吁是在该项目最近取得进展之际发出的，该项目已经分析了数十万条空中轨迹，并发现了需要更严格审查的模糊案例。该项目以透明度为重点，旨在扩大合作者网络，以改进对天空异常现象的检测和分析。
伽利略项目成立于 2021 年，与传统方法不同，它优先考虑实物证据和系统观察，而不是孤立的报告。这种策略允许采用更客观的方法来理解那些无法用传统解释解释的事件。
项目的主要目标
A equipe do Projeto Galileo concentra esforços na detecção de objetos interestelares que possam apresentar características incomuns, como desvios de órbita ou acelerações inesperadas. Esses elementos são analisados por meio de algoritmos de inteligência artificial treinados para identificar padrões que fogem do esperado em fenômenos aéreos conhecidos.
此外，该项目集成了来自多个传感器的数据，以建立一个关于可能的技术工件的强大信息库。这种集成使得区分陆地物体和需要更深入研究的物体变得更加容易。
采用的观察方法
该项目的天文台使用红外摄像机连续捕捉天空中物体的热图像。该技术可以检测表明异常运动或意外材料成分的温度变化。
同时，光学传感器通过记录高分辨率视觉细节来补充观察结果。这些方法的结合确保了监测空域的广泛覆盖。
先进的设备和技术
哈佛的主站有一个圆顶，里面装有八个红外摄像机和一个射频频谱分析仪。这些设备捕获实时数据，并通过机器学习模型进行处理，以过滤掉飞机和气球等常见物体。
带电粒子计数器和带有磁力计的气象站是该装置的一部分，为检测提供环境背景。这种多方面的配置提高了团队进行分析的准确性。
使用用于对象检测的 YOLO 模型和用于轨迹跟踪的 SORT 算法等工具可以优化工作流程。这样，该项目就可以处理大量数据，而不会给人类研究人员带来负担。
扩大天文台网络
该项目最近获得了在宾夕法尼亚州建立第三个仪器站的资金，扩大了地理覆盖范围。这种扩展允许数据三角测量，这对于更准确地计算被观察物体的距离和速度至关重要。
新设施补充了哈佛和内华达州的现有监测站，形成了一个监测美国天空不同区域的网络。这种战略分布增加了同时捕获多个地点的罕见事件的机会。
Análises de dados recentes
近几个月来，该系统重建了约 500,000 个空中物体的轨迹，以 95% 的置信度识别出 80,000 个差异案例。其中，144 个在初步评估后仍不明确，这凸显了需要更多数据来进行明确的分类。
这些初步结果证明了基于人工智能的方法在捕捉行为和视觉异常方面的有效性。该团队计划改进模型，以减少误报并改进对新模式的检测。
一月份发表的一篇论文详细介绍了红外摄像机数据的处理，显示 36% 的检测结果与已识别的飞机相对应。这一进展为未来几年所有传感器实时同步指明了一条充满希望的道路。
对透明度的关注确保了数据可用于独立验证，从而增强了项目的科学可信度。由此，伽利略项目为 UAP 的公共数据库做出了贡献，这与更受限制的政府报告形成鲜明对比。
星际物体的发现
2024 年，阿维·勒布 (Avi Loeb) 领导的一支探险队调查了 2014 年一颗星际陨石的撞击地点，回收了化学成分前所未有的球粒。 《化学地质学》上发表的一篇文章对这些样本进行了分析，对这些材料进行了分类，并提出了太阳系以外的起源。
该分析揭示了挑战行星形成标准模型的元素，提出了有关星际物体多样性的新问题。 This discovery reinforces the importance of systematic searches for potential artifacts.
这次探险采用的方法包括对海底进行磁扫描，回收了数百个微小颗粒用于实验室检查。结果表明同位素的变化与已知的陆地陨石不一致。
Essas findings motivam futuras missões para interceptar objetos semelhantes, utilizando telescópios como o Observatório Vera C. Rubin para detecções precoces. O projeto planeja desenvolver protocolos para análise in loco de tais objetos.
与人工智能的协作
将人工智能集成到该项目中可以有效处理每天收集的大量数据。在真实和模拟图像库上训练的模型可以高精度地区分已知现象和潜在异常。
Laura Dominé 和 Richard Cloete 等研究人员领导了这些算法的开发，使用计算集群进行加速训练。这种方法将分析时间从几周缩短到几小时。
该系统旨在随着新数据的发展而发展，结合检测的反馈，以随着时间的推移提高其准确性。这种适应性对于应对航空事件的多变性至关重要。
公众参与形式
个人可以通过财政捐款来捐款，为设备和观测站的扩建提供资金。官方网站提供安全的贡献选项，并定期更新资源使用情况。
此外，鼓励具有技术技能的爱好者参与数据分析或软件开发。该项目重视加快收集信息处理速度的自愿贡献。
预期的科学影响
伽利略项目旨在填补有关无人机的知识空白，提供可以澄清军事和民间观察到的现象起源的经验数据。通过优先考虑开放的科学方法，这项工作与机密调查形成鲜明对比，促进了全球合作。
These advances could influence fields such as astrophysics and sensor technology, with applications beyond the search for extraterrestrial evidence.对方法论严谨性的强调为该领域的未来研究设定了标准。
多个光谱带的连续数据收集丰富了对大气和空间动力学的理解。随着时间的推移，这可能会导致对附近宇宙的意外发现。
与哈佛和史密森天体物理中心等机构的合作确保获得多学科专业知识。这种合作加速了新分析工具的开发。
异常检测的挑战
Identifying UAPs requires overcoming limitations such as the lack of distance data in single observations, which the project addresses with triangulation between stations.该技术可以精确计算速度和加速度，这对于物体分类至关重要。
另一个挑战是先进的地球技术文物和潜在的外星起源之间的区别。人工智能经过训练可以识别无人机和卫星的模式，从而减少混乱。
操作环境受气象条件影响，需要不断的传感器校准。该团队实施协议来验证不同气候情景下的数据。
保持评审的公正性可以防止偏见，独立的同行评审可以确保客观性。这种做法增强了已发表结果的有效性。
未来计划的扩建
该项目计划在战略地点安装更多的观测站，以覆盖更多的半球，扩大全球范围。这种扩展将有助于区域之间的比较和跨大陆模式的检测。
对音频和无线电传感器的投资补充了视觉功能，捕捉可能表明异常活动的信号。将此数据集成到统一平台中可以优化交叉分析。
与国际观测站的伙伴关系被视为共享数据和资源。这种合作可以通过结合不同的观点来加速发现。
阿维·勒布的贡献
Como líder do projeto, Avi Loeb enfatiza a importância de uma abordagem científica aberta para questões sobre inteligência extraterrestre. Sua experiência em astrofísica teórica guia as hipóteses testadas, como a possibilidade de objetos artificiais interestelares.
勒布发表了大量相关主题的文章，包括对 Oumuamua 和星际陨石的分析。他们的工作启发了项目的方向，优先考虑经验证据。
他参与公共辩论，例如与 Michael Shermer 打赌到 2030 年发现 ETI，凸显了他对科学严谨性的承诺。这种知名度为这项工作吸引了支持和资源。
对科学界的好处
该项目收集的数据为天文学到人工智能工程等领域的研究人员提供了宝贵的资源。公开可鼓励基于此信息的独立研究和创新。
此外，对教育的关注促进了传播检测方法知识的研讨会和出版物。这一举措使新一代科学家能够探索前沿主题。
长远视角
随着技术的进步，该项目希望同步传感器，以针对检测到的异常情况发出实时警报。这种能力可能会彻底改变对异常空中事件的响应。
积累包含数百万条条目的数据库将为 UAP 的频率和性质提供统计见解。这些分析可以完善未来观察的预测模型。
