AI czyta ślady dinozaurów jak otwartą książkę. Zaskakujące podobieństwa do ptaków

Nowe narzędzie oparte na AI zaczyna patrzeć na odciski dinozaurów zupełnie inaczej niż ludzkie oko – i wyciąga z nich zaskakujące wnioski.

Analiza śladów sprzed ponad 200 milionów lat nagle przyspieszyła. Algorytm zasilający aplikację DinoTracker porównuje tysiące odcisków i wskazuje, które z nich wyglądają niemal jak kroki współczesnych ptaków. To nie tylko ciekawostka – takie wyniki podważają dotychczasowy obraz ewolucji.

Ślady dinozaurów jak dane do analizy. Co robi AI?

Dla paleontologów odciski łap to coś w rodzaju czarnej skrzynki: zapis ruchu, zachowania, a czasem nawet tempa marszu zwierzęcia. Problem w tym, że większość takich śladów jest niepełna, zniekształcona, wytarta przez czas. Do tej pory ich opis i przypisanie do konkretnej grupy dinozaurów wymagało dużego doświadczenia i często kończyło się sporem między ekspertami.

Międzynarodowy zespół badaczy z Uniwersytetu w Tybindze, Uniwersytetu w Manchesterze oraz berlińskiego Museum für Naturkunde postanowił oddać tę żmudną robotę algorytmom. Stworzył system AI, który samodzielnie uczy się kształtów odcisków i porządkuje je według podobieństwa, bez podpowiedzi człowieka, jakim gatunkiem „powinien” być dany ślad.

Przeczytaj również: 5 przekąsek imprezowych, które zrobisz wcześniej i podasz bez stresu

Nowa metoda nie próbuje zgadywać od razu, kto zostawił ślad. Zamiast tego szuka wzorów w samych kształtach, a dopiero potem naukowcy zestawiają je z tym, co wiedzą o poszczególnych grupach dinozaurów.

Kluczowe jest tu podejście zwane uczeniem nienadzorowanym. Algorytm dostaje surowe dane – kontury odcisków – i sam grupuje je w klastry według geometrii. Badacze wykorzystali ponad 2 tysiące trójpalczastych śladów z całego świata, głównie z okresu od 200 do 145 milionów lat temu.

Jak działa DinoTracker: od zdjęcia do „przestrzeni kształtów”

Cały system został zamknięty w aplikacji mobilnej DinoTracker. Z założenia ma z niej korzystać nie tylko kilka zespołów badawczych, ale też lokalni przewodnicy, pasjonaci geologii i turyści odwiedzający stanowiska z odciskami.

Przeczytaj również: Jak jedno cięcie lawendy może wydłużyć jej życie niemal o połowę

Od prostego zdjęcia do matematycznego opisu

Użytkownik robi zdjęcie śladu albo przesyła jego szkic. Dalej dzieje się kilka kroków:

• algorytm oczyszcza obraz i wydobywa z niego sam kontur odcisku,
• wyszukuje charakterystyczne punkty, takie jak długość „pięty”, rozstaw palców, kąt ich rozchylenia,
• przelicza te cechy na osiem kluczowych parametrów opisujących kształt,
• umieszcza ślad w tzw. ośmiowymiarowej przestrzeni morfologicznej, gdzie blisko siebie trafiają podobne formy,
• sprawdza, do których wzorcowych śladów z bazy danych nowy odcisk jest najbardziej podobny.

W praktyce użytkownik widzi wynik jako procentowe podobieństwo do różnych typów odcisków oraz położenie swojego znaleziska na prostym wykresie, który reprezentuje tę złożoną przestrzeń kształtów.

Przeczytaj również: Stare pasiaki z kuchni na topie: jak uszyć modny worek na chleb zero waste

Badacze raportują, że w przypadku dobrze zachowanych śladów zgodność systemu z oceną ekspertów sięga około 90 procent, przy czym AI działa według tych samych reguł w każdej sytuacji i nie „męczy się” przy setnym oglądanym odcisku.

Dlaczego forma liczy się bardziej niż etykieta

Tradycyjne bazy danych śladów są pełne dawnych interpretacji, które z dzisiejszej perspektywy bywają błędne. Jeśli algorytm uczy się na takich etykietach, powiela też dawne pomyłki. Tutaj zastosowano inne podejście: system widzi wyłącznie kształty, bez nazwy gatunku czy grupy.

Żeby wzmocnić algorytm, naukowcy wygenerowali ponad 10 tysięcy sztucznych wariantów śladów. Dodawali do nich zniekształcenia przypominające realne uszkodzenia: starcie jednej strony, obrócenie stopy w błocie, spłaszczenie przez ciężar ciała. Dzięki temu AI nie gubi się, gdy widzi odcisk nieidealny, lecz bardzo realny.

Ptasi krok w erze dinozaurów. Co pokazały pierwsze wyniki

Najgłośniejsza część badań dotyczy śladów pochodzących sprzed ponad 210 milionów lat, czyli z czasów, gdy nikt nie spodziewał się jeszcze niczego „ptasiego”. AI wskazała grupę odcisków, które pod względem kształtu okazały się zdumiewająco bliskie współczesnym ptakom.

Chodzi o wąskie, trójpalczaste ślady z mocno zaznaczoną symetrią i niewielkim rozstawem palców. W bazie systemu takie cechy zwykle kojarzą się ze smukłą, sprężystą stopą zwierzaka biegnącego na dwóch nogach – właśnie jak u dzisiejszych ptaków.

Badacze widzą tu dwa możliwe wyjaśnienia: albo „ptasia linia” ewolucyjna zaczęła się znacznie wcześniej, niż dotąd zakładano, albo część drapieżnych dinozaurów już w triasie wykształciła stopy bardzo podobne do tych znanych z późniejszych ptaków.

Algorytm nie przypisuje tych śladów do nazwanego gatunku, ale pokazuje, jak konsekwentnie podobne są do ptasich form w przestrzeni morfologicznej. To z kolei pozwala naukowcom mówić o możliwej ciągłości kształtów: od wczesnych dinozaurów po typowe ptasie stopy w późniejszym jurze i kredzie.

Nowe spojrzenie na ewolucję lokomocji

Porównanie odcisków z różnych okresów geologicznych odsłoniło delikatne przejścia między formami. Widać nie gwałtowną zmianę, lecz stopniowe zbliżanie się do „modelu ptasiego”. To wspiera hipotezę, że cechy związane z dwunożnym, sprawnym biegiem oraz lekką, smukłą stopą rozwijały się krok po kroku, a nie jako nagły skok ewolucyjny.

Taka perspektywa jest cenna, bo większość dyskusji o pochodzeniu ptaków opiera się na kościach, szczególnie kończyn tylnych i miednicy. Ślady dodają do tego obraz ruchu w terenie: sposobu stawiania stóp, rozstawu nóg, nacisku na podłoże.

Naukowiec amator w akcji. Jak AI otwiera paleontologię dla zwykłych ludzi

DinoTracker nie jest zamkniętym narzędziem laboratoryjnym. Twórcy od początku planowali, że stanie się platformą nauki społecznościowej. W praktyce oznacza to, że każdy, kto znajdzie w terenie podejrzany odcisk, może go sfotografować i wstępnie przeanalizować.

Gdy użytkownik prześle zdjęcie, otrzymuje informację o tym, do jakich typów śladów jest ono najbardziej podobne, i krótkie objaśnienie, co oznaczają te grupy. Jeśli odcisk wygląda na obiecujący, może trafić do dalszej weryfikacji przez zawodowych paleontologów.

Twórcy widzą w tym szansę na przełamanie barier geograficznych. W wielu regionach świata brak jest specjalistów od śladów dinozaurów, a stanowiska leżą niepilnowane, narażone na zniszczenie. Prosta aplikacja może zachęcić lokalne społeczności do dokumentowania znalezisk, zanim znikną pod spychaczem czy zabudową.

Jeśli odpowiednio dużo osób zacznie przesyłać fotografie odcisków, w skali kilku lat może powstać jedna z największych baz śladów dinozaurów na świecie – aktualizowana niemal w czasie rzeczywistym.

Co dalej: nie tylko dinozaury i nie tylko ślady

Architektura DinoTrackera nie ogranicza się do odcisków łap. To po prostu system rozpoznawania kształtów, który da się przeuczyć na inne typy danych paleontologicznych. Badacze już wspominają o planach zastosowania podobnych algorytmów do:

• śladow roślin, takich jak odciski liści i łodyg,
• torów poruszania się bezkręgowców, np. ścieżek robaków w osadach,
• fragmentarycznych kości, które trudno zidentyfikować klasycznymi metodami.

W każdym z tych przypadków problem jest podobny: dużo niepełnych, zniekształconych danych i ograniczona liczba ekspertów. AI ma za zadanie szybko przesiać ogrom materiału, wskazać niestandardowe przypadki i pomóc naukowcom skupić się na naprawdę ciekawych okazach.

Dlaczego ślady mówią czasem więcej niż kości

W popularnej wyobraźni paleontologia to głównie szkielety w muzeach. Tymczasem odciski łap, ogonów czy nawet „kolein” ciągniętych po ziemi części ciała potrafią powiedzieć sporo o zachowaniu: czy zwierzę biegło, szło, skręcało, szukało płytkiej wody.

Ślad to zapis chwili, a całe ciągi odcisków tworzą coś w rodzaju dawnej autostrady ruchu. AI, która patrzy na tysiące takich tras naraz, może wychwycić powtarzające się wzorce: typową długość kroku, częste kombinacje kształtów na różnych kontynentach, zmiany stylu poruszania się w czasie. Z takiej perspektywy łatwiej ocenić, kiedy dane rozwiązanie „konstrukcyjne” kończyny rzeczywiście się sprawdzało, a kiedy ustępowało innemu.

W praktyce oznacza to też nowe pytania o dzisiejsze ptaki. Jeśli ich przodkowie lub przynajmniej bliscy kuzyni mieli podobne stopy znacznie wcześniej, niż sądziliśmy, warto sprawdzić, jak te cechy pomagały im w konkretnych środowiskach: w bagnach, na piaszczystych równinach, w pobliżu jezior. Tu również AI ma szansę zabłysnąć, łącząc dane o śladach z informacjami geologicznymi i klimatycznymi.

Ostatecznie DinoTracker pokazuje coś jeszcze: że sztuczna inteligencja nie musi zastępować naukowców, aby zmieniać naukę. Wystarczy, że przejmie najnudniejsze, powtarzalne elementy pracy z danymi, pozwoli zaangażować ludzi spoza wąskiego grona specjalistów i otworzy całkiem nowe drogi interpretacji tego, co od dawna leży zakopane w skałach.