Umělá inteligence analyzuje tisíce fosilizovaných stop bez lidského dohledu. Odhaluje nečekané podobnosti se současnými ptáky a zpochybňuje některé hypotézy ohledně evoluce. Tato metoda, integrovaná do mobilní aplikace, také umožňuje účast veřejnosti a rozšiřuje dostupné zdroje paleontologických dat.
Významné výzvy při identifikaci dinosaurích stop
Identifikace dinosaurích stop, které jsou často poškozené časem nebo špatně uchované, představuje významnou výzvu v oblasti paleontologie. Tyto stopy jsou klíčové pro porozumění locomotivním, behaviorálním a evolučním aspektům vyhynulých druhů, ale jejich přesné přiřazení je obtížné. Tým výzkumníků z Univerzity Tübingen ve spolupráci s Univerzitou v Manchesteru a Muzeem přírodní historie v Berlíně vyvinul umělou inteligenci, která je schopna analyzovat a klasifikovat tyto stopy bez lidského zásahu.
Nový přístup k identifikaci stop
Jejich studie, publikovaná v časopise Proceedings of the National Academy of Sciences, představuje novou metodu identifikace založenou na učení bez dozoru. Tato přístup otevírá nečekané perspektivy, zejména ve vztahu k původu ptáků a morfologickému vývoji nohou některých dinosaurů. Umožňuje také zapojení veřejnosti do výzkumu prostřednictvím přístupné mobilní aplikace, což mění sběr dat na terénu.
DinoTracker: revoluční technologie pro paleontologii
Aplikace DinoTracker se opírá o algoritmus strojového učení s cílem identifikovat a porovnávat fosilizované dinosaurí stopy, které jsou často špatně uchované. Systém je založen na konvolučních neuronových sítích, které byly vyškoleny na základě více než 2 000 silhouett stop trojprstých vybraných z celého světa. Tyto stopy, staré mezi 200 a 145 miliony let, byly standardizovány a zpracovány ve formě kontur a následně zadány do algoritmu bez předchozích štítků.
Uživatelé aplikace mohou předložit obraz nebo výkres stopy. AI automaticky detekuje referenční body, jako je orientace prstů, délka paty nebo celkový tvar. Poté se vypočítá podobnost s ostatními stopami v databázi. Následně aplikace klasifikuje stopu do „morfo-logického prostoru“ o osmi dimenzích, vytvořeného na základě hlavních pozorovaných variací. Tento proces umožňuje reprodukovatelnou identifikaci stop a snižuje zaujatost lidských interpretací.
Nezávislá klasifikace a její výhody
Ten typ rozpoznávání, založený na čisté formě, se zdá být obzvláště užitečný, když jsou exempláře nekompletní nebo poškozené. Otevírá také cestu k globální standardizaci identifikace ichnit. Nástroj není určen pouze pro vědce; byl také navržen pro veřejnost s přístupným mobilním rozhraním. Projekt tak usiluje o obohacení paleontologických dat prostřednictvím ověřitelných terénních pozorování, shromážděných ve velkém měřítku.
Učení bez dohledu pro spolehlivější klasifikaci
Na rozdíl od klasických přístupů založených na údajích označených experty, algoritmus DinoTracker spočívá na učení bez dozoru. Tento přístup, hájený prvním autorem Gregorem Haugem z Univerzity Tübingen pro Guardian, brání šíření chyb identifikace, které jsou často přítomny v tradičních databázích. Algoritmus se opírá pouze o geometrický tvar stop, aniž by předem přiřadil jakýkoliv druh nebo taxonomickou skupinu.
Aby se zlepšila jeho robustnost, výzkumníci uměle generovali více než 10 000 simulovaných stop z originálních tvarů. Tyto změny zahrnují modifikace, jako je rozšíření, částečné smazání prstů, rotace nebo deformace podobné těm způsobeným půdou nebo váhou dinosaura. Tento krok má vykreslit přirozenou variabilitu a nedokonalosti uchování, které byly pozorovány na terénu.
Algoritmus poté extrahuje osm základních morfometrických proměnných ze siluet. Používá je k seskupení stop na základě jejich relativní podobnosti. Tento systém umožňuje robustnější a konzistentnější rozpoznávání než lidské klasifikace. Ty mohou diverzifikovat na základě zkušenosti pozorovatele. V testech AI dosahuje shody 90 % s klasifikacemi expertů na dobře uchovaných stopách. Podle Gregora Hartmanna (Univerzita v Manchesteru) tato metoda „poskytuje objektivní rámec pro zkoumání morfologické rozmanitosti a testování evolučních hypotéz bez předsudků“.
Nové hypotézy o původu ptáků a locomotivy dinosaurů
Jedním z nejvýznamnějších objevů je detekce velmi starých fosilních stop, které vykazují rysy podobné moderním ptákům. Některé stopy analyzované AI, datované na více než 210 milionů let, sdílejí úzkou trojprstou strukturu, vysoce vyvinutou longitudinální symetrii a malé mezeru mezi prsty. Tyto rysy evokují chůzi současných ptáků, kteří by podle všeho měli vzniknout mnohem později, v pozdním jury.
Steve Brusatte, paleontolog na Univerzitě v Edinburghu a spoluautor studie, navrhuje dva scénáře. Buď by původ ptáků mohl sahat mnohem dál než si většina výzkumníků myslí, nebo někteří masožraví dinosauři z triasu již v té době disponovali anatomii nohy překvapivě podobnou ptákům. Upřesňuje: „Tyto stopy mohou být nejblíž ptáčím stopám, které byly kdy identifikovány pro tak staré období“.
AI nenazývá autory stop, ale objektivně je shromažďuje podle jejich tvaru. Tím se vyhneme chybám v přiřazení, které jsou založeny na taxonomických předsudcích. Strukturální morfologie analyzovaná nezávisle tedy otevírá nové možnosti pro evoluční konvergenci locomotorních forem.
Vědecká participace a analýza ve velkém měřítku
Kromě svého vědeckého zájmu byl projekt DinoTracker navržen tak, aby rozšířil přístup k paleontologickému výzkumu. Mobilní rozhraní aplikace umožňuje nadšencům, přírodovědcům nebo návštěvníkům fosilních lokalit účast na analýze stop. Po odeslání obrázku uživatel obdrží odhad podobnosti s známými stopami a zobrazení v celkovém morfologickém prostoru.
Tento přístup napomáhá vědecké participaci. Lokálně shromážděná data mohou obohatit centrální databázi. Tyto nové stopy, ověřené porovnáním s existujícími daty, mohou být integrovány do systému učení, čímž se stávají přesnějšími a reprezentativnějšími pro skutečnou rozmanitost.
Podle výzkumníků tato strategie reaguje na rostoucí potřebu digitalizace a standardizace fosilních dat. Pomáhá také odstranit nedostatek odborníků na ichnologii v některých oblastech tím, že poskytuje spolehlivý nástroj pro prvotní analýzu. V konečném důsledku by tento síť distribuovaných příspěvků mohla představovat jednu z největších databází dinosaurích stop, jaké byly kdy shromážděny.
Systém byl navržen také tak, aby se mohl přizpůsobit dalším typům fosilií. Výzkumníci uvažují o rozšíření jeho aplikace na rostlinné stopy, stopy bezobratlých nebo částečné fosilie kostí. Automatizací rozpoznávání tvarů by se DinoTracker mohl stát průřezovým nástrojem pro digitální paleontologii. Umisťuje umělou inteligenci do centra discipliny v přechodu, otevřené spolupráci mezi výzkumníky a širokou veřejností.
