En ny algoritme analyserer dinosaurspor med samme præcision som ansigtsgenkendelse
Forskere fra Tyskland og Storbritannien har udviklet et værktøj, der kan analysere aftrykket af en dinosaurs klo lige så pålideligt, som algoritmer genkender ansigter i smartphones. Og resultatet er overraskende: i mange af de ældgamle spor ser computeren noget meget velkendt — nemlig nutidens fugles poter.
Klassisk paleontologi forbindes som regel med møjsommelige udgravninger af skeletrester. Men en enorm mængde information om uddøde krybdyr gemmer sig i noget langt mere forgængeligt: aftryk af poter i fortidens mudder, der i dag er bevaret i sten. Disse spor er ofte beskadigede, deformerede og nedbrudt af tid og vejr, hvilket selv erfarne eksperter har haft svært ved at tolke.
Et hold fra Tübingen, Manchester og Berlin stod bag projektet
Et forskerhold fra universitetet i Tübingen samarbejdede med videnskabsfolk fra Manchester og Museum für Naturkunde i Berlin om at overlade disse udfordringer til kunstig intelligens. De udviklede en algoritme, der ikke behøver menneskelig vejledning om, hvordan et bestemt sportype “burde” se ud. Den fokuserer udelukkende på form og søger selv efter mønstre.
Den kunstige intelligens analyserer tusindvis af dinosauraftryk som fingeraftryk og grupperer dem efter reelle ligheder — ikke efter forskernes indgroede vaner. Denne tilgang åbner helt nye muligheder inden for paleontologien.
Sådan fungerer DinoTracker: fra foto til et rum med otte dimensioner
Kernen i projektet er mobilapplikationen DinoTracker, der understøttes af et neuralt netværk. Læringsbasen indeholder over to tusinde trefingrede aftryk fra hele verden, dateret til perioden for cirka 200 til 145 millioner år siden. Forskerne konverterede sporene til forenklede konturer, så den kunstige intelligens kunne se ren geometri — ikke stenens farve eller erosionsspor.
Når en bruger fotograferer et spor eller uploader en skitse, identificerer systemet automatisk karakteristiske punkter. På baggrund af disse omdanner den kunstige intelligens hvert aftryk til et sæt af otte nøgleparametre for form. Dermed placeres det i et såkaldt morfologisk rumkort med otte dimensioner, hvor lignende spor havner tæt på hinanden og forskellige spor langt fra hinanden.
De otte vigtigste karakteristika, som algoritmen overvåger
- Retningen af fingrenes stilling
- Længden af den del, der ligner en hæl
- Proportionerne mellem de enkelte fingre
- Bredden af hele aftrykket på det bredeste sted
- Vinklen af forgreningen mellem de ydre fingre
- Krumningen af de enkelte kløer
- Dybden af aftrykket i forskellige dele
- Asymmetrien mellem venstre og højre side
Det morfologiske rum er i praksis et kortover former, hvor hvert spor har sin adresse bestemt af otte tal. Denne analysemetode undgår situationer, hvor to eksperter når til vidt forskellige konklusioner om ét og samme aftryk. I test opnåede algoritmens overensstemmelse med specialisternes vurderinger omkring 90 procent for velbevarede spor — og computeren arbejder konsekvent ens hver gang.
Læring uden etiketter: kunstig intelligens, der ikke kender dinosaurernes navne
Det mest interessante ved DinoTracker er, at den ikke blev trænet på færdige eksempler mærket af eksperter. Der blev i stedet anvendt såkaldt ikke-overvåget læring. Det betyder, at algoritmen ikke fik information som “dette er sporet fra en bestemt art” eller “dette er sporet fra et rovdyr”. Den så kun former og skulle selv finde grupper af lignende aftryk.
For at styrke systemets modstandsdygtighed over for beskadigelse og deformation genererede forskerne over ti tusinde kunstige spor baseret på virkelige. De simulerede blandt andet sløring eller delvis udviskning af én finger, udvidelse af hele aftrykket som om det var i et fugtigt underlag, rotation af sporet i forskellige vinkler og svage deformationer svarende til jordens sætning under dyrets vægt.
Takket være dette klarer algoritmen selv tydeligt ufuldkomment materiale, som hyppigst findes i felten. I stedet for spørgsmålet “er dette virkelig sporet fra en kendt dinosaur” stiller systemet snarere spørgsmålet: “hvilke andre spor ligner denne form mest?”
Forskerne fra universitetet i Tübingen understreger, at traditionelle klassifikationsmetoder ofte byggede på forforståelser og enkeltpaleontologers erfaringer. Den nye maskinlæringsbaserede tilgang giver et mere objektivt blik på morfologisk variation.
Spor fra 210 millioner år siden minder om nutidens fugles poter
Da forskerne placerede spor fra forskellige perioder i det morfologiske rum, begyndte interessante sammenhænge at dukke op på kortet. Størst opsigt vakte en gruppe meget gamle aftryk på over 210 millioner år, som i den kunstige intelligens’ analyse placerede sig overraskende tæt på spor forbundet med fugle.
Disse ældgamle aftryk har flere træk, som vi kender fra fortove i parker, hvor duer eller måger passerer. Computeren genkendte mønstre, der forbinder triassiske theropoder med moderne fugle langt mere overbevisende, end en traditionel komparativ analyse ville have kunnet.
Forskerne fra Manchester fremhæver, at denne opdagelse understøtter den evolutionære teori om fuglenes oprindelse. Fossile spor fra lokaliteten Ischigualasto i Argentina viser en smallere trefingret form, markante kløer i fingerspidserne og en forgreningsvinkel svarende til svaler eller gærdesmutte. Visse aftryk fra juraperioden fundet i Colorado viser endda en struktur, der minder om puder på undersiden af fugles tæer.
Forskere fra Museum für Naturkunde i Berlin bekræftede, at ligheden ikke er tilfældig. Sporenes geometri antyder, at visse små theropoder kan have haft en bevægelsesstil svarende til nutidens sangfugle eller rovfugle. Dette styrker hypotesen om den gradvise omdannelse af dinosaurernes lemmer til fuglebens.
Praktisk anvendelse: fra feltundersøgelser til museumssamlinger
Applikationen DinoTracker er ikke blot et akademisk eksperiment. Forskerne tester den allerede i felten i Utah, Wyoming og Patagonien, hvor amatørpaleontologer øjeblikkeligt kan sammenligne et fundet spor med databasen. Systemet fungerer også offline, hvilket er praktisk ved arbejde på afsides lokaliteter uden internetforbindelse.
Museer verden over er begyndt at digitalisere deres samlinger af fossile spor netop ved hjælp af denne teknologi. Universitetet i Tübingen planlægger at udvide databasen med firefingrede aftryk fra sauropoder og andre sportyper. Forskerne håber, at kunstig intelligens vil hjælpe med at identificere hidtil ukendte arter udelukkende på baggrund af formsanalyse.
Er du interesseret i paleontologi? Applikationen er gratis at downloade, og du kan bidrage til forskningen ved at uploade fotografier af spor, som du finder under dine udflugter til områder med forekomst af forsteninger.
