Umělá inteligence analyzuje tisíce fosilních stop bez lidského dohledu. Vytváří nečekané podobnosti s dnešními ptáky a zpochybňuje některé hypotézy o evoluci. Tato metoda, začleněná do mobilní aplikace, také umožňuje účast veřejnosti, čímž rozšiřuje dostupné paleontologické datové zdroje.
Identifikace dinosaurích stop, které jsou často deformovány časem či špatně zachovány, je v paleontologii velkou výzvou. Tyto stopy, klíčové pro pochopení pohybu, chování a evoluce vyhynulých druhů, je obtížné přesně přiřadit. Tým výzkumníků z Tübingenské univerzity, ve spolupráci s Manchesterskou univerzitou a Muzeem přírodní historie v Berlíně, vyvinul umělou inteligenci schopnou analyzovat a klasifikovat tyto stopy bez lidského zásahu.
Jejich studie, publikovaná v časopise Proceedings of the National Academy of Sciences, navrhuje novou metodu identifikace založenou na učení bez dohledu. Tento přístup otevírá nečekané vyhlídky, zvláště co se týče původu ptáků a morfologické evoluce nohou u některých dinosaurů. Umožňuje také zapojení veřejnosti do výzkumu prostřednictvím dostupné mobilní aplikace, která mění způsob sběru dat v terénu.
Nová technologie identifikace služeb paleontologii
Aplikace DinoTracker se opírá o algoritmus strojového učení. Jejím cílem je identifikovat a porovnávat fosilní dinosaurí stopy, často špatně zachované, bez přímého lidského zásahu. Systém je založen na konvolučních neuronových sítích trénovaných na více než 2 000 siluetách trojprstých stop shromážděných po celém světě. Tyto stopy, staré od 200 do 145 milionů let, byly standardizovány a zpracovány ve formě obrysů, které byly poté zcela bez předchozích etiket předloženy algoritmu.
Uživatelé aplikace mohou zaslat obrázek nebo nákres stopy. Umělá inteligence automaticky detekuje referenční body, jako je orientace prstů, délka paty nebo celkový tvar. Následně vypočítá podobnost s stopami v databázi. Poté klasifikuje stopu do „morfologického prostoru“ o osmi dimenzích, který byl vytvořen na základě hlavních pozorovaných variací. Tento proces umožňuje identifikaci stop reprodukovatelným způsobem, přičemž snižuje zaujatost lidských interpretací.
Tento typ rozpoznávání založeného na čistém tvaru je zvláště užitečný, když jsou exempláře neúplné nebo poškozené. Také otevírá cestu k celosvětové standardizaci identifikace ichnitů. Nástroj není určen pouze pro výzkumníky; byl navržen také pro veřejnost s přístupným mobilním uživatelským rozhraním. Projekt tak usiluje o obohacení paleontologických dat pomocí ověřitelných terénních pozorování shromážděných ve velkém měřítku.
Učení bez dohledu pro spolehlivější klasifikaci
Na rozdíl od tradičních přístupů založených na datech, která byla označena odborníky, algoritmus DinoTracker se opírá o učení bez dohledu. Tento přístup, podporovaný hlavním autorem Gregorem Haugem (Tübingenská univerzita) v Guardianu, umožňuje vyvarovat se šíření chyb v identifikaci, které jsou často přítomné v tradičních databázích. Algoritmus se zakládá pouze na geometrickém tvaru stop, bez předchozího přiřazení druhu nebo taxonomické skupiny.
Aby zvýšili robustnost, výzkumníci uměle vygenerovali více než 10 000 simulovaných stop na základě původních tvarů. Tyto úpravy zahrnují změny jako rozšíření, částečné vymazání prstů, rotace nebo deformace podobné těm, které způsobuje půda nebo hmotnost dinosaura. Tímto způsobem se snaží odrážet přirozenou variabilitu a nedokonalosti zachování pozorované v terénu.
Algoritmus následně extrahuje osm základních morfometrických proměnných ze siluet. Tyto proměnné využívá k seskupení stop podle jejich relativní podobnosti. Tento systém umožňuje robustnější a soudržnější rozpoznávání než lidské klasifikace, které mohou divergovat v závislosti na zkušenostech pozorovatele. Během testů dosáhla umělá inteligence 90% shody s klasifikacemi odborníků na dobře zachovalé stopy. Podle Gregora Hartmanna (Manchesterská univerzita) tato metoda „nabízí objektivní rámec pro zkoumání morfologické rozmanitosti a testování evolučních hypotéz bez zaujatosti“.
Nové hypotézy o původu ptáků a locomoci dinosaurů
Jedním z nejvýznamnějších výsledků je detekce velmi starých fosilních stop, které vykazují blízké charakteristiky moderních ptáků. Některé stopy analyzované umělou inteligencí, datované do více než 210 milionů let, sdílejí úzkou trojprstou strukturu, výraznou longitudinální symetrii a malou mezeru mezi prsty. Tyto rysy evokují chůzi současných ptáků, kteří se však měli objevit mnohem později v pozdní jury.
Steve Brusatte, paleontolog z Edinburghské univerzity a spoluautor studie, uvádí, že tato data naznačují dva scénáře. Buď původ ptáků sahá mnohem dále, než většina výzkumníků předpokládá, nebo někteří masožraví dinosauři z triasu již měli anatomii nohy pozoruhodně podobnou anatomii ptáků. Dodává: „Tyto stopy jsou možná nejbližší ke stopám ptáků, které byly kdy identifikovány pro tak staré období“.
Umělá inteligence nenazývá autory stop, ale objektivně je seskupuje podle jejich tvaru. To zabraňuje chybám v přiřazování založeným na taxonomických předsudcích. Analyzovaná morfologická struktura tedy otevírá nové směry na téma evoluční konvergence pohybových forem.
Porovnáním těchto stop se stopami mladších dinosaurů, výzkumníci pozorují kontinuitu v některých morfologiích. To posiluje hypotézu o postupné evoluci tvarů směrem k ptačímu modelu. Tyto pozorování by mohla znovu otevřít debatu o přesné chronologii vzniku ptáků z theropodů, jejich nejbližších známých předků.
Otevření vědecké participace a analýzy v širším měřítku
Kromě vědeckého zájmu byl projekt DinoTracker navržen tak, aby rozšířil přístup k paleontologickému výzkumu. Mobilní rozhraní aplikace umožňuje nadšencům, přírodovědcům nebo návštěvníkům fosilních lokalit účastnit se analýzy stop. Jakmile je obrázek zaslán, uživatel obdrží odhad podobnosti se známými stopami a zobrazení v celkovém morfologickém prostoru.
Tento přístup se podílí na vědecké participaci. Lokálně shromážděná data mohou obohatit centrální databázi. Tyto nové stopy, validované křížením s existujícími daty, se mohou integrovat do systému učení, čímž se stává přesnějším a více reprezentativním pro skutečnou rozmanitost.
Podle výzkumníků tato strategie reaguje na rostoucí potřebu digitalizace a standardizace fosilních dat. Také může vypomoci nedostatku odborníků na ichnologii v některých regionech tím, že poskytne spolehlivý nástroj pro první analýzu. V budoucnu by tato síť rozptýlených příspěvků mohla představovat jednu z největších databází dinosaurích stop, jaké kdy byly shromážděny.
Systém byl také navržen tak, aby se přizpůsobil dalším typům fosilií. Výzkumníci zvažují rozšířit jeho aplikaci na vegetační stopy, stopy bezobratlých nebo částečné fosilie kostí. Automatizací rozpoznávání tvarů by se DinoTracker mohl stát nástrojem napříč digitální paleontologií. Umělá inteligence tak umisťuje do středu disciplíny nacházející se v proměně, která je otevřena spolupráci mezi výzkumníky a širokou veřejností.
Source: Hartmann, Gregor, et al., “Identifying variation in dinosaur footprints and classifying problematic specimens via unbiased unsupervised machine learning”. Proceedings of the National Academy of Sciences (2026).
