AI czyta ślady dinozaurów jak rentgen i łączy je z ptakami

Nowe narzędzie oparte na AI przygląda się skamieniałym śladom dinozaurów w zupełnie inny sposób niż dotychczasowi badacze.

Zamiast lupy i ołówka w terenie wchodzi tu w grę aplikacja mobilna, sieci neuronowe i ogromna baza dawno zastygłych odcisków. Efekt? Zaskakująco mocne podobieństwa między tropami pradawnych gadów a krokami dzisiejszych ptaków, plus szansa, że do polowania na ślady włączą się zwykli spacerowicze.

AI zamiast lupy: jak DinoTracker bada ślady sprzed 200 milionów lat

Identyfikacja odcisków dinozaurów od zawsze sprawiała problemy. Ślady z czasem się rozmywają, wykruszają, deformują. Dwa podobne tropy potrafią trafić do zupełnie innych kategorii tylko dlatego, że ocenia je inny specjalista. Zespół z uniwersytetów w Tybindze, Manchesterze i z berlińskiego Museum für Naturkunde postanowił ten chaos uporządkować za pomocą AI.

Stworzyli system DinoTracker – algorytm uczenia maszynowego, który analizuje skany i zdjęcia tropów. Zamiast opierać się na opisach w stylu „przypomina tego czy tamtego teropoda”, AI patrzy wyłącznie na geometrię śladu.

Algorytm przekształca każdy odcisk w czysty zarys i wrzuca go do ośmiowymiarowej „przestrzeni kształtów”, gdzie podobne tropy lądują blisko siebie, a odmienne trafiają dalej.

Do treningu posłużyło ponad 2 tysiące trójpalczastych odcisków z całego globu, datowanych na okres od około 200 do 145 milionów lat temu. Wszystkie ujednolicono – sprowadzono do konturu, tak aby liczyła się tylko forma, bez szumów typu kolor skały czy sposób oświetlenia.

Co dokładnie widzi sztuczna inteligencja w jednym śladzie

Użytkownik aplikacji może zrobić zdjęcie tropu lub wrzucić szkic. AI automatycznie wyszukuje kilka kluczowych cech, na przykład:

• układ i rozstaw palców,
• długość części „piętowej”,
• proporcje szerokości do długości,
• symetrię całego odcisku względem osi środka,
• kąty między palcami.

Na tej podstawie algorytm liczy podobieństwo do wzorców w bazie, a następnie umieszcza nowy ślad w swoim ośmiowymiarowym „krajobrazie morfologicznym”. Brzmi abstrakcyjnie, ale w praktyce oznacza to, że dwa tropy, które w tym krajobrazie leżą blisko siebie, mają niemal identyczny kształt, nawet jeśli powierzchnia skały była inna czy część śladu się wykruszyła.

AI nie zgaduje, jaki gatunek zostawił ślad. Po prostu mówi: ten odcisk jest uderzająco podobny do tamtych – bez etykietek i przyzwyczajeń badaczy.

Uczenie bez etykiet: jak uniknąć ludzkich błędów w klasyfikacji

DinoTracker działa w trybie tak zwanego uczenia nienadzorowanego. Oznacza to, że sieć neuronowa nie uczyła się na zasadzie „to jest trop tyranozaura, a to innego drapieżnika”, tylko sama szukała grup podobnych kształtów w danych.

Taki wybór metody był celowy. W tradycyjnych bazach ślady często mają przypisane nazwy i opisy, czasem błędne lub oparte na przestarzałych hipotezach. Gdyby AI uczyła się na takiej etykietowanej bazie, powielałaby i utrwalała te same niepewności.

Aby system poradził sobie z typowymi zniekształceniami terenu, naukowcy wygenerowali ponad 10 tysięcy sztucznych wariantów śladów. Symulowali różne scenariusze: przetarcia, poszerzenia, obroty, częściowe wytarcie palców, nacisk cięższego zwierzęcia na miękki osad.

Dzięki takim wariantom AI „widzi” nie tylko idealne muzealne okazy, ale też to, co faktycznie trafia się w terenie. W testach zgodność oceny algorytmu z decyzjami ekspertów dla dobrze zachowanych odcisków sięgnęła około 90 procent, przy dużo większej spójności między przypadkami granicznymi.

Ptasi chód w tropach dinozaurów: co zauważyła AI

Najbardziej elektryzująca część badań dotyczyła bardzo starych tropów, starszych niż 210 milionów lat. System wyłapał w nich zestaw cech, który do złudzenia przypomina kroki dzisiejszych ptaków: smukły, trójpalczasty ślad, wyraźna symetria wzdłuż linii środka, niewielkie rozchylenie palców na boki.

Tak stary trop, z tak „ptasim” układem palców, nie pasuje do tradycyjnego obrazka, w którym prawdziwie ptasie cechy pojawiają się dopiero dużo później, w późnej jurze.

Badacze rysują dwa scenariusze. W pierwszym, faktyczne początki linii prowadzącej do dzisiejszych ptaków cofają się o dziesiątki milionów lat w stosunku do obecnych datowań. W drugim – część triasowych drapieżnych dinozaurów wykształciła łapy o układzie bardzo zbliżonym do ptasiego, ale była ewolucyjnie boczną gałęzią, bez bezpośrednich potomków wśród współczesnych skrzydlatych.

W obu wersjach historia nabiera nowych odcieni. Trochę jakby ktoś przejrzał stary album rodzinny i w tle na zdjęciu z lat 70. wypatrzył sylwetkę kogoś, kto miał się pojawić dopiero w latach 90.

Ślady zamiast kości: inny sposób patrzenia na ewolucję

Tradycyjnie badacze opierają scenariusze ewolucji ptaków na kościach – głównie szkieletach teropodów, czyli dwunożnych mięsożerców. Tropów jest jednak często więcej niż kompletnych szkieletów, bo łapy dotykały podłoża przy każdym kroku, podczas gdy ciało rzadko miało szansę się dobrze zachować.

AI, która patrzy tylko na kształt śladu, omija typową pułapkę: „ten gatunek znamy z tej formacji, więc pewnie ten odcisk jest jego”. Zamiast zgadywać autorów, grupuje tropy w czyste kategorie kształtów, a paleontolodzy mogą dopiero później zestawiać je z kośćmi i lokalizacjami.

Ciężar dowodu przesuwa się z nazw gatunków na twarde dane geometryczne: podobne tropy w różnych epokach sugerują ciągłość sposobu chodzenia i budowy stopy.

Zestawienie śladów z różnych okresów dało ciekawy obraz: część form „ptasio podobnych” nie znika nagle, lecz przewija się dalej w młodszych warstwach. To z kolei wzmacnia pomysł, że przejście od dinozaurów do ptaków nie było rewolucją, lecz długim ciągiem drobnych zmian, które w tropach widać wcześniej niż w spektakularnych szkieletach.

Każdy może „złapać” trop: nauka obywatelska w praktyce

DinoTracker nie powstał wyłącznie dla wąskiej grupy specjalistów. Całość od początku projektowano tak, by dało się ją uruchomić na smartfonie i wykorzystać w terenie przez amatorów – od nauczycieli prowadzących zajęcia terenowe po turystów zwiedzających kamieniołomy.

Scenariusz jest prosty: ktoś natrafia na podejrzanie wyglądający odcisk w skale, robi zdjęcie, zgłasza go w aplikacji i otrzymuje wstępny wynik podobieństwa do tropów z bazy. Użytkownik widzi, do jakich grup kształtów jego znalezisko jest najbliżej, i czy ma sens zgłoszenie go dalej badaczom.

Jeśli ślad wygląda obiecująco, trafia do centralnej bazy, gdzie można go zestawić z innymi danymi z regionu. W ten sposób powstaje gęsta sieć lokalnych obserwacji, które w zwykłym scenariuszu przepadłyby, bo w danej okolicy akurat nie pracuje żaden specjalista od odcisków.

Im więcej ludzi będzie umiało wstępnie sfotografować i zgłosić tropy, tym większa szansa, że unikatowe miejsca nie zostaną zniszczone zanim ktoś je poważnie zbada.

Nie tylko dinozaury: co jeszcze może przeanalizować AI

Twórcy systemu otwarcie mówią, że DinoTracker to dopiero pierwszy krok. Ten sam pomysł – sprowadzenie skomplikowanych skamieniałości do uproszczonego zarysu i szukanie wzorców – można przenieść na inne rodzaje znalezisk. W planach są między innymi:

• ślady roślin: odciski liści, łodyg, szyszek,
• tory drobnych bezkręgowców, na przykład wijące się korytarze podpowierzchniowe,
• fragmentaryczne kości, których nie da się łatwo przypisać do znanego gatunku.

Jeżeli algorytm zacznie skutecznie klasyfikować różne typy materiału, powstanie uniwersalny „silnik rozpoznawania kształtów” dla paleontologii. Taki, który nie zastąpi specjalistów, lecz pozwoli im szybciej wyłowić najbardziej intrygujące znaleziska z rosnącej góry danych.

Co to zmienia dla nas: od szkolnych wycieczek po dyskusje o ewolucji

Dla zwykłego czytelnika taka technologia ma kilka praktycznych konsekwencji. Po pierwsze, rośnie szansa, że znane z memów „to na pewno stopa dinozaura” w końcu ktoś sprawdzi w bardziej obiektywny sposób. Zdjęcie można wysłać do aplikacji, a nie tylko wrzucić na media społecznościowe.

Po drugie, szkolne zajęcia terenowe mogą przestać być jedynie spacerem po kamieniołomie. Gdy uczniowie zobaczą, że ich własny trop trafia do prawdziwej naukowej bazy, łatwiej zainteresować ich biologią i geologią niż samą opowieścią z podręcznika.

Po trzecie, dyskusje o pochodzeniu ptaków i o tym, jak dokładnie wyglądało przejście od „jaszczurów” do dzisiejszych wróbli, dostają nowy rodzaj argumentów. Zamiast spierać się tylko o interpretacje kilku szkieletów, naukowcy mogą pokaz ywać szeroką statystykę kształtów stóp przez miliony lat.

AI nie rozwiąże wszystkich zagadek z przeszłości, ale w połączeniu z otwartym udziałem ludzi z zewnątrz zmienia tempo zbierania danych. A w paleontologii każda dodatkowa para oczu – i każdy dobrze opisany ślad w skale – może przesunąć oś czasu historii życia na Ziemi o kolejne kilka milionów lat w jedną lub drugą stronę.