AI śledzi ślady dinozaurów i odsłania zaskakujące pokrewieństwo z ptakami

Nowa aplikacja z AI skanuje odciski dinozaurów i porównuje je z tysiącami znanych tropów, wskazując zaskakujące podobieństwa do współczesnych ptaków.

Naukowcy łączą zaawansowane algorytmy z prostą aplikacją mobilną, aby lepiej zrozumieć ruchy wymarłych gadów i włączyć zwykłych spacerowiczów do badań nad prehistorią.

AI patrzy pod nogi dinozaurom

Badacze z Uniwersytetu w Tybindze, Uniwersytetu w Manchesterze oraz Muzeum Historii Naturalnej w Berlinie stworzyli system AI, który analizuje ślady dinozaurów niemal bez udziału człowieka. Zamiast manualnego mierzenia każdego tropu, sieć neuronowa ocenia jego kształt, porównuje z ogromną bazą danych i umieszcza w złożonej przestrzeni cech geometrycznych.

Źródłem problemu były same tropy. Po milionach lat wiele z nich jest niepełnych, zdeformowanych przez erozję, zgniecionych przez ruchy skał albo zatarcie granic między palcami. Klasyczna analiza wymagała eksperta na miejscu i dużej dawki interpretacji, co szybko prowadziło do rozbieżności między różnymi zespołami badawczymi.

Przeczytaj również: Nowe dane: intensywne rolnictwo przyspiesza znikanie ptaków z naszych pól

Nowy system ma zmniejszać rolę „przeczucia” badacza i opierać się na mierzalnej geometrii śladów, a nie na domysłach, który gatunek mógł po nich stąpać.

Aplikacja DinoTracker – od skanu do ośmiowymiarowej mapy

Serce projektu stanowi aplikacja DinoTracker. W praktyce działa to prosto: użytkownik robi zdjęcie tropu lub wrzuca jego dokładny szkic. AI automatycznie wychwytuje kluczowe punkty, takie jak długość palców, szerokość pięty, kąt rozstawu palców i proporcje całego odcisku.

Algorytm korzysta z konwolucyjnej sieci neuronowej wytrenowanej na ponad 2 tysiącach trójpalczastych odcisków z całego globu, datowanych na okres od około 200 do 145 milionów lat temu. Wszystkie te ślady naukowcy przekształcili w zunifikowane kontury, by sieć „widziała” czystą geometrię, a nie zakłócenia wynikające z fotografii czy sposobu wykonania pomiaru.

Przeczytaj również: Który pies jest najinteligentniejszy? Naukowcy wskazali zaskakującego lidera

System wydobywa z każdego tropu osiem kluczowych parametrów morfometrycznych i umieszcza go w tak zwanej przestrzeni morfologicznej – ośmiowymiarowej mapie, na której blisko siebie leżą ślady najbardziej do siebie podobne.

Gdy pojawia się nowy trop, AI sprawdza, do których „wysp” w tej morfologicznej mapie pasuje, a dopiero później badacze zastanawiają się, jaki gatunek mógł go zostawić.

Dlaczego naukowcy postawili na uczenie bez nadzoru

Zespół nie wprowadzał do algorytmu nazw gatunków ani etykiet nadawanych przez ekspertów. To przykład uczenia nienadzorowanego: maszyna sama szuka grup podobnych kształtów, zamiast dopasowywać je do z góry ustalonych kategorii.

Przeczytaj również: Dlaczego wiosna zamienia spokojnego kota w ulicznego wojownika

Ma to konkretną zaletę. W tradycyjnych bazach śladów część oznaczeń jest błędna albo niepewna, a jeśli AI uczy się na takich danych, przejmuje też ich błędy. Tutaj startuje z czystą kartą – liczy się wyłącznie geometria. Badacze mogli później skonfrontować wyniki z klasycznymi klasyfikacjami i sprawdzić zgodność.

Żeby uodpornić sieć na zniszczenia śladów, naukowcy stworzyli ponad 10 tysięcy syntetycznych odcisków. Modyfikowali oryginalne kształty, poszerzając je, ścierając części palców, obracając lub lekko deformując, w sposób zbliżony do działania ciężaru zwierzęcia i warunków podłoża.

• 2 000 rzeczywistych tropów jako baza wyjściowa,
• ponad 10 000 sztucznie zniekształconych wariantów,
• 8 głównych parametrów kształtu każdego śladu,
• około 90% zgodności z ocenami ekspertów dla dobrze zachowanych odcisków.

Testy pokazały, że przy dobrze zachowanych tropach decyzje AI i specjalistów pokrywają się w dziewięciu przypadkach na dziesięć. Przy bardziej uszkodzonych śladach maszyna często zachowuje większą konsekwencję niż ludzie, którzy potrafią się ze sobą nie zgadzać.

Ślady sprzed 210 milionów lat a dzisiejsze ptaki

Najbardziej elektryzujący wniosek dotyczy związków między pradawnymi dinozaurami a ptakami. System wyłapał wśród bardzo starych odcisków – starszych niż 210 milionów lat – takie, które kształtem przypominają tropy współczesnych ptaków.

Chodzi o wąskie, trójpalczaste ślady o silnej symetrii, z niewielkim rozchyleniem palców. Taką geometrię kojarzymy dziś z biegającymi ptakami, na przykład z siewkami czy kurakami. Do tej pory zakładano, że tak „ptasi” układ stóp pojawił się znacznie później, w późnym okresie jurajskim.

Zespół sugeruje, że albo linia prowadząca do ptaków odgałęziła się znacznie wcześniej, niż przyjmują klasyczne scenariusze ewolucyjne, albo część mięsożernych dinozaurów niezależnie wykształciła bardzo podobny typ stopy.

AI nie próbuje na siłę przypisać tych tropów konkretnym nazwanym gatunkom. Zamiast tego pokazuje, że ich geometria leży zaskakująco blisko kształtu odcisków współczesnych ptaków i późniejszych dinozaurów z wyraźnie „ptasimi” cechami.

Badacze zestawili stare tropy z młodszymi śladami z okresu jurajskiego i kredowego. Wyszła im pewna ciągłość – seria form pośrednich, w których można prześledzić przechodzenie od masywniejszych stóp do lżejszych, wyspecjalizowanych w szybkim biegu na tylnych kończynach.

Co to zmienia w spojrzeniu na ewolucję ptaków

W paleontologii od lat panuje zgoda, że ptaki wywodzą się z grupy drapieżnych dinozaurów, tak zwanych teropodów. Sporne pozostają szczegóły – między innymi moment, w którym zaczyna się „ptasia” linia. Nowe analizy tropów sugerują, że kluczowe elementy anatomii stopy mogły pojawić się miliony lat przed najstarszymi znanymi szkieletami typowo ptasimi.

To może oznaczać, że część cech kojarzonych z ptakami – smuklejsze kończyny, inny sposób stawiania stóp, być może sprawniejszy bieg – pojawiła się wśród dinozaurów wcześniej, a same ptaki tylko je dalej wyspecjalizowały i połączyły z lotem.

Telefon w kieszeni jako narzędzie paleontologa

Twórcy DinoTrackera mocno stawiają na udział osób spoza nauki. Aplikacja ma prosty interfejs, działa na smartfonie i prowadzi użytkownika krok po kroku: zrób zdjęcie, zaznacz kontur, prześlij. W odpowiedzi otrzymujesz informację, do jakich znanych grup tropów twoje znalezisko jest najbardziej podobne.

Nie chodzi o to, by spacerowicz z dnia na dzień zastąpił specjalistę. System pełni rolę pierwszego filtra. Gdy trafia na ślad, który nie pasuje do dotychczas znanych klas, może go oznaczyć jako szczególnie interesujący. Taki trop później sprawdzają eksperci.

Dzięki setkom lokalnych zgłoszeń da się budować ogromną, stale aktualizowaną bazę odcisków – coś, czego kilkuosobowy zespół terenowy nie osiągnie nawet w ciągu całej kariery.

To przykład nauki obywatelskiej w praktyce. Dane zbierane przez turystów, nauczycieli czy lokalnych pasjonatów lądują w jednym systemie, który stopniowo poprawia swoje modele. W wielu regionach świata brakuje zawodowych ichnologów, a potencjalne ślady po prostu zarastają trawą albo są niszczone podczas prac budowlanych. Łatwy w obsłudze skaner w telefonie może uratować część z nich przed zapomnieniem.

Od tropów dinozaurów do innych skamieniałości

Zespół planuje rozszerzyć metodę na inne rodzaje znalezisk. Ten sam pomysł – analiza konturów, wyszukiwanie podobieństw w przestrzeni cech – można zastosować do:

• odcisków roślin, np. liści i szyszek,
• ścieżek zostawianych przez stawonogi czy mięczaki,
• fragmentów kości, które trudno dopasować do szkieletu.

Tego typu automatyzacja ma dwie korzyści. Po pierwsze, przyspiesza pierwszą ocenę znaleziska. Po drugie, wymusza standaryzację: ślady z różnych kontynentów opisuje się według tych samych reguł, co ułatwia porównania między ośrodkami badawczymi.

Jak „czyta się” ślady i co z nich wynika

Sama analiza konturów to dopiero początek. Paleontolodzy potrafią z tropów wyciągać informacje o długości kroku, prędkości chodzenia, a nawet o tym, czy zwierzę biegło, czy szło spokojnym truchtem. W śladach odbija się też kształt ciała: szeroko rozstawione stopy mogą sugerować ciężkie, masywne zwierzę, wąski tor – lżejsze, nastawione na szybki bieg.

AI nie zastępuje tej interpretacji, ale tworzy dla niej solidny fundament. Zamiast spierać się o to, czy dwa ślady „na oko” są podobne, badacze mają liczby opisujące ich geometrię. Na tej podstawie mogą planować dalsze analizy, na przykład biomechaniczne modelowanie chodu dinozaurów czy porównania z lokomocją współczesnych ptaków biegających.

Ciekawy element całej historii polega na tym, że ta sama technika, która dziś rozpoznaje twarze na zdjęciach czy przedmioty na kamerach samochodów, zaczyna odczytywać dawne krajobrazy, których nikt nigdy nie sfotografował. Ślady w skałach stają się dla AI czymś w rodzaju prehistorycznych „zdjęć ruchu”, z których da się wyczytać więcej, niż widzi samo ludzkie oko.