Nowe spojrzenie na prehistoryczne odciski
Nowoczesny system sztucznej inteligencji analizuje kopalne ślady dinozaurów ze świeżą, całkowicie bezstronną perspektywą — i przynosi zdumiewające rezultaty. To badanie, które zmienia sposób, w jaki nauka patrzy na prehistoryczne życie.
Naukowcy z Niemiec i Wielkiej Brytanii połączyli sztuczną inteligencję z aplikacją na smartfona, by ponownie przebadać tysiące odcisków dinozaurów. Efektem są nie tylko zaskakujące podobieństwa do współczesnych ptaków, ale też bezpośrednie włączenie amatorskich poszukiwaczy skamieniałości w proces naukowy.
Sztuczna inteligencja przejmuje pomiar i klasyfikację śladów dinozaurów
Ślady dinozaurów są często spłaszczone, zniekształcone lub niekompletne. Mimo to właśnie te odciski stanowią klucz do odpowiedzi na pytania: jak poruszał się dany gatunek, jak szybko biegał, czy żył samotnie czy w grupie? Do tej pory eksperci musieli ręcznie oceniać takie ślady — z miarką, zdjęciami i szkicami. To żmudny proces, który regularnie prowadzi do rozbieżnych interpretacji.
Badacze z Uniwersytetu w Tybindze, Uniwersytetu w Manchesterze oraz berlińskiego Muzeum Historii Naturalnej opracowali nowy system: sztuczną inteligencję automatycznie analizującą kształt odcisków stóp. Metoda ta została opisana w prestiżowym piśmie Proceedings of the National Academy of Sciences i działa w aplikacji mobilnej o nazwie DinoTracker.
Sztuczna inteligencja patrzy wyłącznie na czysty kształt śladu — bez etykiet ani starych założeń ekspertów.
Badacze wytrenowali tak zwaną sieć neuronową splotu na ponad 2000 trójpalczastych śladów dinozaurów z różnych kontynentów, pochodzących z okresu od około 200 do 145 milionów lat temu. Oryginalne trójwymiarowe ślady zostały sprowadzone do ustandaryzowanych konturów, dzięki czemu wszystkie odciski można porównywać na tych samych zasadach.
Jak działa aplikacja DinoTracker w praktyce
Serce projektu opiera się na prostym pomyśle: każdy ze smartfonem może sfotografować lub naszkicować potencjalny odcisk dinozaura i przesłać go do systemu. Resztą zajmuje się automatyka.
- Aplikacja samodzielnie wykrywa orientację i ułożenie palców.
- Mierzy długość strefy piętowej i całej stopy.
- Analizuje szerokość i krzywiznę palców.
- Przekształca wszystkie dane w pozycję w matematycznej przestrzeni ośmiu wymiarów kształtu.
W tej ośmiowymiarowej „przestrzeni kształtów" ślady o podobnych proporcjach są grupowane razem. Użytkownik otrzymuje informację, do jakich znanych odcisków jego znalezisko jest najbardziej podobne, jak unikalny jest jego kształt i gdzie plasuje się w ogólnym wzorcu. Sztuczna inteligencja nie musi z góry „wiedzieć", jakiemu gatunkowi odpowiada ślad — sama wyszukuje wzorce w formach.
Ponieważ wiele śladów jest uszkodzonych, badacze stworzyli też ponad 10 000 symulowanych odcisków. Systematycznie modyfikowali w nich różne cechy:
| Zmiana | Cel |
|---|---|
| Poszerzenie lub zwężenie | Naśladowanie błotnistych lub zapadniętych krawędzi |
| Częściowy zanik palców | Symulowanie erozji lub pęknięcia w skale |
| Obrót i pochylenie | Uwzględnienie skośnego podłoża lub ukośnego ujęcia |
| Lekkie zniekształcenie pięty | Ukazanie wpływu ciężaru i siły kroku |
Dzięki prezentowaniu sztucznej inteligencji tych niedoskonałych form, solidność systemu znacząco wzrosła. W seriach testowych AI osiągnęła zgodność z klasyfikacjami doświadczonych paleontologów na poziomie około 90 procent dla dobrze zachowanych śladów — przy czym działała bez ludzkich uprzedzeń i zmęczenia.
Nieoczekiwanie ptasie ślady w bardzo starych warstwach
Najbardziej intrygujący wynik badania dotyczy grupy bardzo starych śladów — liczących ponad 210 milionów lat — z okresu triasu. Sztuczna inteligencja zgrupowała te odciski zaskakująco blisko współczesnych śladów ptaków.
Chodzi o wąskie, trójpalczaste odciski z wyraźną symetrią wzdłuż osi podłużnej i niewielkim rozstawem palców. Taki profil silnie przypomina odcisk stopy wielu współczesnych ptaków biegających. Zwierzęta, które pozostawiły te ślady, żyły dziesiątki milionów lat przed pojawieniem się pierwszych bezspornych ptaków w zapisie kopalnym.
Kształt niektórych śladów z triasu bardziej przypomina ślady współczesnych ptaków niż wiele młodszych odcisków dinozaurów z jury.
Badacze zarysowują dwa główne scenariusze:
- Ewolucyjna linia prowadząca do ptaków rozpoczęła się wcześniej, niż sądzono — już w triasie żyły przodki z wyraźnie ptasią stopą.
- Pewne mięsożerne dinozaury niezależnie wykształciły kształt łapy uderzająco podobny do ptasiego, bez bezpośredniej linii pokrewieństwa.
Która opcja jest właściwa, wymaga dodatkowych badań szczątków kostnych z tych samych warstw. Jednak odkryty wzorzec pokazuje, jak czuła jest analiza kształtu z użyciem AI na subtelne podobieństwa, które w tradycyjnych klasyfikacjach często umykają uwadze.
Od lokalnego znaleziska do globalnej bazy danych
DinoTracker to nie tylko narzędzie badawcze — to również sposób na zaangażowanie obywateli w paleontologię. Geolodzy, amatorzy poszukujący skamieniałości czy przypadkowi wędrowcy mogą dokumentować swoje odkrycia bez skomplikowanego sprzętu. Każdy przesłany odcisk trafia do centralnej bazy danych, o ile dane spełniają minimalne wymagania jakościowe.
Przynosi to szereg korzyści:
- Szybsze zgłaszanie nowych stanowisk w odległych regionach.
- Większa różnorodność odcisków, niż naukowcy mogliby zebrać samodzielnie.
- Możliwość wykrywania rzadkich form, które dotychczas były słabo reprezentowane.
- Lepsze porównanie między kontynentami i epokami dzięki jednolitemu systemowi.
W regionach z niewielu wyspecjalizowanymi ichnologami — badaczami zajmującymi się śladami — aplikacja pełni rolę pierwszego filtra. Lokalne muzea lub uczelnie mogą następnie celowo weryfikować podejrzane lub obiecujące znaleziska na miejscu.
Nowy standard dla śladów — z perspektywą na inne skamieniałości
Naukowcy postrzegają swoją metodę jako krok w kierunku międzynarodowego standardu opisu śladów dinozaurów. Tam, gdzie dotychczas krążyły lokalne systemy klasyfikacji i nazewnictwa, wspólna przestrzeń kształtów pozwoli na bezpośrednie porównywanie odcisków z Chin, Afryki Południowej i Europy.
Stosowana technika nie ogranicza się do śladów dinozaurów. W planach są już zastosowania dla:
- starych odcisków roślin, takich jak liście i igły
- śladów pełzania bezkręgowców, na przykład trylobitów lub robaków
- częściowo zachowanych kości lub fragmentów czaszek
Gdy sztuczna inteligencja nauczy się, jakie kształty są istotne dla danej grupy skamieniałości, może zbudować nową przestrzeń kształtów i umieszczać w niej kolejne znaleziska. Wpisuje się to w szerszy ruch w kierunku paleontologii cyfrowej, w której skany 3D, drony i uczenie maszynowe tworzą razem coraz pełniejszy obraz dawnych ekosystemów.
Dlaczego analiza kształtu jest tak potężnym narzędziem
Wybór tak zwanego „nienadzorowanego" uczenia maszynowego oznacza, że sztuczna inteligencja sama tworzy grupy — bez żadnego wcześniejszego wskazania, jakie gatunki istnieją. Pomaga to unikać powielania błędów ze starych baz danych. Jeśli jakiś ślad został kiedyś błędnie przypisany do gatunku, AI nie przejmuje tego założenia automatycznie, lecz ponownie analizuje geometrię.
Dla laika „analiza kształtu" może brzmieć abstrakcyjnie. W praktyce chodzi o bardzo konkretne proporcje: jak szeroka jest pięta w stosunku do całej stopy, jak bardzo rozchodzą się palce, gdzie znajdują się zagięcia odcisku. Człowiek potrafi dostrzec takie cechy, ale trudno mu konsekwentnie je przeliczać przy tysiącach śladów. Sztuczna inteligencja robi to bez wysiłku i bez wahań.
Co to oznacza dla miłośników dinozaurów i ptaków
Dla każdego, kto interesuje się dinozaurami i ptakami, projekt ten dotyka odwiecznego pytania: kiedy dinozaur zaczął przypominać ptaka? Nie tylko w budowie czaszki czy upierzeniu, ale też w sposobie chodzenia i lądowania.
Dzięki takim analizom przejście między klasycznymi drapieżnymi dinozaurami a pierwszymi ptakami jawi się mniej jako gwałtowny przełom, a bardziej jako seria drobnych zmian kształtu i zachowania. Kopalny odcisk stopy sprzed 210 milionów lat może nagle powiedzieć nam coś o stylu chodzenia współczesnej mewy.
Ci, którzy sami chcą zajmować się skamieniałościami, będą mogli prawdopodobnie coraz częściej korzystać z podobnych narzędzi: sztucznej inteligencji, która w sekundy porównuje zdjęcie fragmentu skały lub żyłki liścia z dziesiątkami tysięcy referencji. To nie zamienia pracy w terenie w grę na smartfonie — lecz daje zarówno profesjonalistom, jak i amatorom dodatkową, niezawodną parę cyfrowych oczu wspierającą ich własne doświadczenie.
