AI czyta ślady dinozaurów jak Google Maps i widzi w nich ptaki
Nowy system AI patrzy na odciski stóp dinozaurów jak na kody kreskowe i dostrzega w nich coś zaskakującego – echo dzisiejszych ptaków.
Naukowcy z Niemiec i Wielkiej Brytanii stworzyli narzędzie, które skanuje dawne ścieżki dinozaurów, porównuje ich kształty w wielu wymiarach i sugeruje, że „ptasi sposób chodzenia” mógł pojawić się dużo wcześniej, niż uczono w podręcznikach.
AI zamiast lupy: jak DinoTracker czyta ślady sprzed 200 milionów lat
Analiza śladów dinozaurów to od lat zmora paleontologów. Odciski są zniekształcone, niepełne, nadgryzione erozją. Do tego dwóch ekspertów potrafi przypisać tę samą ścieżkę zupełnie innym grupom zwierząt. Zespół z Uniwersytetu w Tybindze, przy współpracy z Uniwersytetem w Manchesterze i Muzeum Historii Naturalnej w Berlinie, postanowił oddać tę robotę maszynie.
Stworzyli aplikację DinoTracker, opartą na sieci neuronowej. Wczytali do niej ponad 2 tysiące trójpalczastych odcisków z całego globu, w wieku od 200 do 145 milionów lat. Każdy ślad „spłaszczono” do konturu, ujednolicono skalę i przekazano algorytmowi bez podpisów, co jest kluczowe dla całego podejścia.
AI nie pyta: „czy to teropod czy ptak?”, tylko: „jak dokładnie wygląda ten kształt i do czego jest najbardziej podobny?”.
Użytkownik robi zdjęcie odcisku albo szkicuje go w aplikacji. Algorytm sam wyszukuje charakterystyczne punkty: ustawienie palców, długość pięty, proporcje całego śladu. Potem liczy podobieństwo do wzorców z bazy i umieszcza go w abstrakcyjnej przestrzeni o ośmiu wymiarach, gdzie każdy wymiar odpowiada innej cesze kształtu.
Osiem wymiarów stopy dinozaura
Brzmi jak science fiction, ale w praktyce chodzi o to, by każdy odcisk dało się opisać kilkoma liczbami, które uchwycą jego istotę. AI wyciąga zestaw ośmiu zmiennych morfometrycznych: na przykład wydłużenie śladu, zbieganie się palców, symetrię lewej i prawej strony.
Na tej podstawie DinoTracker grupuje ślady w „chmury” podobnych kształtów. Człowiek dopiero potem sprawdza, z jakimi zwierzętami mogą się wiązać poszczególne klastry. Testy pokazały, że w przypadku dobrze zachowanych odcisków zgodność z opinią ekspertów sięga około 90 procent, co dla tak trudnego materiału jest bardzo wysokim wynikiem.
Maszyna nie zna autorytetów ani starych klasyfikacji. Widzi tylko geometrię, dzięki czemu nie powiela dawnych błędów przypisania śladów do niewłaściwych gatunków.
Sztuczna inteligencja bez „ściągi”: uczenie niekontrolowane
Większość znanych z praktyki systemów rozpoznawania obrazów uczy się na danych opisanych przez ludzi. Tu poszli w inną stronę. Algorytm nie dostał listy: „to ślad dinozaura A, to B”. Zamiast tego miał samodzielnie szukać wzorców na podstawie czystych kształtów.
Taki rodzaj uczenia maszynowego zmniejsza ryzyko, że błędne decyzje sprzed lat przejdą w cyfrową erę. Jeśli kiedyś źle opisano część odcisków, klasyczny model po prostu by to skopiował. W DinoTrackerze etykiety pojawiają się dopiero na końcu, gdy naukowcy interpretują wyniki AI.
Symulowane ślady, czyli jak nauczyć maszynę brudu i erozji
Prawdziwe ślady rzadko są idealne. Zęby czasu, wiatr, woda, ciężar zwierzęcia – to wszystko zmienia kształt odcisku. Zespół badawczy dołożył więc do zestawu treningowego ponad 10 tysięcy symulowanych śladów.
- Poszerzano je lub zwężano, jakby stopa głębiej wpadła w miękki grunt.
- Usuwano fragmenty palców, aby imitować nadkruszenia.
- Delikatnie obracano i deformowano, naśladując ruch w mokrym podłożu.
- Modyfikowano proporcje, żeby odtworzyć działanie różnej masy ciała.
Dzięki temu algoritm uodpornił się na typowe problemy terenowe. Uczy się wzorca stojącego za śladem, nie jego przypadkowych „zadrapań”. To szczególnie przydatne w miejscach, gdzie odciski zachowały się tylko w niewielkich fragmentach.
Stare ślady, ptasi chód: co AI widzi w danych z triasu
Najgłośniejszy efekt działania DinoTrackera dotyczy momentu, kiedy w dziejach pojawiły się cechy typowe dla ptasiej lokomocji. Maszyna „wyłowiła” w bazie bardzo stare odciski – sprzed ponad 210 milionów lat – które kształtem zaczynają przypominać ścieżki współczesnych ptaków.
Te ślady są wąskie, trójpalczaste, z silnie zaznaczoną symetrią i niewielkim rozstawem palców. Dokładnie tak chodzą dziś choćby czaple czy kury biegające po piasku. Do tej pory większość rekonstrukcji zakładała, że taki typ stopy i chodu wyłonił się znacznie później, w późnym jurze.
AI sugeruje, że „ptasie” ustawienie stopy mogło istnieć już u części drapieżnych dinozaurów z triasu – albo że historię powstania ptaków trzeba przesunąć wstecz.
Naukowcy rozważają dwa scenariusze. Pierwszy: linia prowadząca do ptaków wyodrębniła się wcześniej, niż wskazują znane skamieniałości szkieletowe. Drugi: u różnych grup drapieżnych dinozaurów niezależnie rozwinęła się podobna budowa stopy, sprzyjająca szybkiemu bieganiu po lądzie.
Ciągłość kształtów od triasu do późniejszych teropodów
Zestawienie śladów bardzo starych z młodszymi pokazało coś jeszcze. W wielu klastrach kształtów widać płynne przejście od form prymitywniejszych do coraz bardziej „ptasich”. Nie chodzi o wyraźny skok, raczej o długi szereg drobnych zmian: lekkie wydłużenie palców, stopniowe zawężanie ścieżki, coraz silniejszą symetrię.
Tego typu ciągłość dobrze zgadza się z ideą stopniowej ewolucji funkcji lokomocyjnych u teropodów, czyli dwunożnych mięsożernych dinozaurów. Ślady stają się dodatkowym źródłem danych, obok kości, które rzadko zachowują się kompletnie i często pochodzą od niewielkiej liczby osobników.
Telefon w kieszeni zamiast młotka geologicznego
DinoTracker nie jest zamkniętym narzędziem dla kilku laboratoriów. Twórcy postawili na szerokie uczestnictwo. Każdy, kto trafi na tropy na skałach czy plażach – turysta, lokalny pasjonat, pracownik parku narodowego – może zrobić zdjęcie i przesłać je do analizy.
Aplikacja wstępnie ocenia, do których typów odcisków ślad jest najbardziej podobny i pokazuje jego pozycję w ośmiowymiarowej przestrzeni kształtów. Dla laika to atrakcyjna wizualizacja, dla naukowca szybka informacja, czy warto dany ślad dokładniej zbadać w terenie.
Setki telefonów z aparatem mogą w praktyce zamienić się w największą w historii „kamerę” polującą na nowe ślady dinozaurów.
Nowe odciski, po weryfikacji przez specjalistów, trafiają z powrotem do bazy i pomagają ulepszać model. System z czasem powinien coraz lepiej reprezentować rzeczywistą różnorodność śladów – także w regionach, gdzie wcześniej prawie nikt ich nie opisywał z powodu braku ekspertów.
Od śladów dinozaurów do liści i skamieniałych kości
Architektura DinoTrackera nie ogranicza się do tropów. Ten sam pomysł – wyciąganie czystej informacji o kształcie i grupowanie jej bez etykiet – da się zastosować do innych rodzajów skamieniałości. Zespół już mówi o planach rozszerzenia systemu na:
- odciski liści i innych części roślin,
- tory wędrówek bezkręgowców, np. stawonogów,
- fragmentaryczne kości, których nie da się łatwo dopasować do znanych gatunków.
Jeśli te plany wypalą, paleontologia zyska swoisty „Google Photos dla skamieniałości”, zdolny wychwytywać wzorce w milionach zdjęć, które człowiek przeoczyłby albo uznał za mało znaczące.
Nowe narzędzie, nowy rodzaj błędów i nowe szanse
Wprowadzenie AI do analizy śladów nie rozwiązuje wszystkich problemów, tylko przesuwa je w inne miejsce. Model może błędnie grupować nietypowe, rzadkie formy albo faworyzować kształty, których ma najwięcej w bazie. Ryzyko polega także na tym, że część użytkowników przyjmie wyniki aplikacji jak wyrocznię, bez krytycznego spojrzenia.
Z drugiej strony to narzędzie daje coś, czego od dawna brakowało: jednolity, przejrzysty schemat opisu odcisków, możliwy do stosowania na wszystkich kontynentach. Zamiast porównywać słowne opisy w artykułach sprzed 50 lat, badacze mogą zestawić ślady w tej samej przestrzeni liczb, niezależnie od języka i szkoły naukowej.
W praktyce przekłada się to na szybsze wychwytywanie nietypowych przypadków. Jeśli nowy ślad ląduje samotnie w „pustym rejonie” przestrzeni kształtów, od razu widać, że mamy do czynienia z czymś bardzo odmiennym. To impuls, aby wrócić w teren, szukać kolejnych tropów, sprawdzić warstwy skalne raz jeszcze.
Dla osób spoza nauki taki system jest też ciekawym sposobem, by dotknąć dawnej fauny w bezpośredni sposób. Wizyta na klifie czy w kamieniołomie może nagle zmienić się w polowanie na odciski, które po kilku minutach trafiają do globalnej bazy danych. To proste doświadczenie dobrze pokazuje, jak współpraca człowieka z AI potrafi zbliżyć nas do zwierząt, które zniknęły z Ziemi ponad 60 milionów lat temu.
