Niepozorny odcisk w skale, zdjęcie ze smartfona i algorytm – i nagle historia ptaków staje pod znakiem zapytania
Paleontolodzy z Niemiec i Wielkiej Brytanii wdrożyli nową sztuczną inteligencję zdolną do analizowania skamieniałych śladów dinozaurów. Oprogramowanie wykrywa wzorce, które przez dziesięciolecia umykały specjalistom – i trafia na kształty stóp uderzająco podobne do tych u współczesnych ptaków. Jednocześnie specjalna aplikacja włącza zainteresowanych amatorów bezpośrednio w proces badawczy.
Jak aplikacja sprawia, że pradawne ślady stają się czytelne na nowo
Każdy, kto dziś natrafi na podejrzany odcisk w kamieniołomie czy na skale, może teoretycznie zostać częścią badań naukowych za pomocą swojego smartfona. Aplikacja DinoTracker przetwarza zdjęcia lub rysunki kopalnych odcisków stóp i przesyła je do algorytmu wyspecjalizowanego w analizie kształtów.
Kontekst jest istotny: ślady dinozaurów są często niekompletne, zwietrzałe lub zniekształcone. Eksperci regularnie spierają się, czy dany odcisk rzeczywiście pochodzi od konkretnego gatunku, czy jest jedynie przypadkową formą w dawnym błocie. Właśnie tutaj wkracza nowe podejście.
Zamiast polegać na intuicji poszczególnych specjalistów, AI mierzy każdy ślad według tych samych kryteriów – jednolicie na całym świecie.
Naukowcy z Uniwersytetu w Tybindze, Uniwersytetu w Manchesterze oraz Muzeum Historii Naturalnej w Berlinie zdigitalizowali w tym celu ponad 2 000 trójpalczastych odcisków stóp z całego świata. Ślady pochodzą głównie z okresu między 200 a 145 milionami lat temu, czyli z triasu i jury.
Jak AI pracuje z odciskami stóp dinozaurów
Pod względem technicznym za systemem stoi tak zwana konwolucyjna sieć neuronowa – rodzaj sieci neuronowej opracowanej specjalnie do przetwarzania danych obrazowych. Naukowcy przekształcili każdy ślad w swego rodzaju sylwetkę: wyraźne kontury zamiast szczegółowych fotografii, tak by liczyła się wyłącznie forma.
Następnie system standaryzuje wszystkie odciski. Analizuje między innymi:
- kąt i orientację palców
- długość i szerokość obszaru pięty
- odstęp między palcami
- ogólny kształt odcisku – wąski, szeroki, symetryczny lub asymetryczny
Na podstawie tych cech AI tworzy tzw. „przestrzeń morfologiczną" o ośmiu wymiarach. Można to sobie wyobrazić mniej więcej jak układ współrzędnych, w którym każdy punkt odpowiada jednemu śladowi.
Każdy odcisk stopy ląduje jako punkt w tej przestrzeni kształtów – ślady o podobnej budowie leżą blisko siebie, a formy wyraźnie się różniące – daleko od siebie.
Dzięki temu dotychczas trudne do sklasyfikowania odciski można obiektywnie porządkować: który ślad najbardziej przypomina znane formy? Czy istnieją grupy, których nikt wcześniej nie rozpoznał jako powiązane?
Dlaczego badacze stawiają na AI uczącą się „bez uprzedzeń"
Kluczowy aspekt: AI uczy się w trybie nienadzorowanym. Twórcy nie nadają jej żadnych etykiet takich jak „teropod", „zauropod" czy „krewny ptaków". Algorytm patrzy wyłącznie na geometrię śladu.
Zaleta jest oczywista: wiele historycznych przypisań w bazach danych jest niepewnych lub po prostu błędnych. Gdy AI uczy się na błędnie oznaczonych danych, przejmuje te pomyłki. W obecnym systemie oprogramowanie świadomie odcina się od tego problemu i grupuje ślady wyłącznie na podstawie podobieństwa kształtów.
Aby uczynić system bardziej odpornym, badacze stworzyli dodatkowo ponad 10 000 sztucznych wariantów oryginalnych śladów. Te symulacje uwzględniają:
- zaokrąglone lub częściowo „starte" palce
- poszerzenia spowodowane błotem lub miękkim podłożem
- obroty i ścinania powstałe przy ukośnym stawianiu kroku
- zniekształcenia wynikające z masy i ruchu zwierzęcia
AI uczy się w ten sposób, że realne ślady rzadko są idealne – i rozpoznaje ukryty kształt nawet pomimo uszkodzeń. W testach oprogramowanie zgadza się z doświadczonymi ichnologami w około 90 procentach przypadków przy dobrze zachowanych odciskach.
Pradawne ślady, współczesna ptasia stopa – co znalazła AI
Naprawdę fascynujące staje się to przy odciskach, które wyraźnie wyłamują się ze schematu. Badanie opisuje ślady liczące ponad 210 milionów lat – z czasów, kiedy ptaków właściwie jeszcze nie było.
AI umieszcza niektóre z tych tropów w regionie przestrzeni morfologicznej zadziwiająco bliskim współczesnym śladom ptaków. Typowe cechy tych odcisków to:
- wąska, trójpalczasta struktura
- wyraźna symetria wzdłużna
- mały odstęp między palcami
- ogólnie „wydłużona", niemal delikatna stopa
Dla badaczy niektóre z tych triasowych śladów wyglądają „podejrzanie ptakolubnie" – miliony lat przed tym, gdy w zapisie kopalnym pojawiają się klasyczne skamieniałości wczesnych ptaków.
Stąd wyłaniają się dwa scenariusze, oba o dużym znaczeniu naukowym:
- Linia ewolucyjna, z której później wyłoniły się ptaki, mogła być znacznie starsza, niż dotychczas sądzono.
- Albo pewne drapieżne dinozaury triasu miały stopy już bardzo zbliżone do planu budowy współczesnych ptaków – co byłoby przykładem ewolucji konwergentnej.
Jedno jest pewne: AI nie nadaje nazw gatunków. Nie twierdzi „to był wczesny ptak", lecz opisuje jedynie bliskość form. Właśnie dlatego wynik nabiera wagi – nie jest powiązany z tradycyjnymi klasyfikacjami.
Co to oznacza dla naszego rozumienia ruchu dinozaurów
Badacze porównują „ptakopodobne" ślady z młodszymi tropami z jury i kredy. W ośmiowymiarowej przestrzeni morfologicznej rysują się płynne przejścia: od bardziej masywnych, szeroko rozstawionych stóp ku smuklejszym, ptasiopodobnym formom.
Wspiera to ideę stopniowego przystosowania do wydajnego poruszania się na dwóch nogach, jakie obserwujemy dziś u ptaków. W połączeniu ze znaleziskami kości teropodów – najbliższych znanych krewnych ptaków – dyskusja o dokładnym czasie powstania ptaków nabiera nowego impetu.
Citizen science: gdy hobbyści zasilają bazę danych
Urok projektu polega na tym, że nie zamknął się w wieży z kości słoniowej. DinoTracker świadomie stawia na zaangażowanie zainteresowanych amatorów. Ktokolwiek podczas wędrówki natknie się na potencjalny ślad, może go zgłosić przez aplikację.
Procedura jest prosta: wyślij zdjęcie lub szkic, podaj przybliżoną skalę, udostępnij dane lokalizacyjne – reszta dzieje się automatycznie. AI klasyfikuje odcisk i przedstawia go w przestrzeni morfologicznej. Użytkownicy widzą, do których znanych śladów ich odkrycie jest najbliżej.
Z rozproszonych pojedynczych obserwacji z czasem powstaje globalny rejestr śladów dinozaurów – w połowie profesjonalny, w połowie napędzany przez społeczność.
Dla nauki niesie to dwie kluczowe korzyści:
- Ilość danych rośnie błyskawicznie, również z regionów pozbawionych ekspertów od dinozaurów.
- Dzięki standaryzacji analizy znaleziska stają się porównywalne – bez względu na to, kto je zgłasza.
Nowe, naukowo wartościowe ślady mogą po weryfikacji zasilić dane treningowe AI. System udoskonala się więc sam – w cyklu: więcej znalezisk, lepszy model, jeszcze trafniejsze klasyfikacje.
Dokąd jeszcze może sięgnąć ta technologia
Badacze myślą już dalej niż tylko ślady dinozaurów. Podstawowa idea – automatyczna analiza czystych kształtów – sprawdza się równie dobrze w odniesieniu do innych skamieniałości: odcisków roślin, tropów bezkręgowców czy fragmentów kości i muszli.
Odpowiednio wytrenowana AI mogłaby:
- przypisywać fragmenty kości do wirtualnych kompletnych szkieletów
- statystycznie oddzielać tropy różnych grup zwierząt z jednego obszaru
- systematycznie przeglądać na nowo stare zbiory w muzeach
Właśnie muzea siedzą często na ogromnych zasobach ledwie opracowanych znalezisk. Algorytm mógłby przeprowadzać wstępne sortowanie, oznaczać anomalie i w ten sposób kierować uwagę ludzkich ekspertów precyzyjnie na najbardziej interesujące okazy.
Co oznaczają „przestrzeń morfologiczna" i „uczenie nienadzorowane"
Dla tych, którzy mierzą się z terminologią, można to uprościć następująco:
- Przestrzeń morfologiczna: Abstrakcyjna przestrzeń, w której każdy ślad ma swoje współrzędne. Bliskość oznacza podobieństwo kształtu, odległość – wyraźne różnice.
- Uczenie nienadzorowane: AI grupuje dane samodzielnie, bez uprzedniego wskazania przez człowieka, która kategoria jest „właściwa".
To połączenie jest szczególnie wartościowe w dziedzinach, gdzie istnieje wiele znalezisk, ale niewielu specjalistów zdolnych je sklasyfikować. AI wstępnie sortuje, człowiek interpretuje wyniki.
Dla paleontologii oznacza to: zamiast gubić się w szczegółowych sporach o pojedyncze ślady, na pierwszy plan wysuwają się nadrzędne wzorce. Jakie formy pojawiają się równolegle w różnych miejscach i epokach? Gdzie trendy nagle się urywają? Kiedy mnożą się ptakopodobne stopy, a kiedy dominują masywne odciski?
Właśnie w tych wzorcach tkwi materiał na nowe hipotezy dotyczące ewolucji – i być może klucz do kolejnego zaskakującego odkrycia łączącego dinozaury z wróblami w naszym własnym ogrodzie.
