Da computeren begyndte at se fugle i dinosaurernes fodspor
Forskere fra Tyskland og Storbritannien har udviklet et værktøj, der kan analysere et dinosaurklos aftryk med samme præcision, som ansigtsgenkendelsesteknologi i smartphones identificerer mennesker. Det overraskende resultat? I mange af disse urgamle spor genkender computeren noget velkendt: nutidens fugles fodaftryk.
Klassisk palæontologi forbindes typisk med møjsommelige udgravninger af knogler og skeletter. Men en enorm mængde information om uddøde krybdyr gemmer sig i noget langt mere forgængeligt: aftryk af poter i fortidigt mudder, som i dag er bevaret i sten. Disse spor er ofte beskadigede, forvrængede og nedbrudt af tid og vejrlig – og selv erfarne eksperter har haft svært ved at fortolke dem.
Et hold fra universitetet i Tübingen, i samarbejde med forskere fra Manchester og Museum für Naturkunde i Berlin, besluttede at overlade denne udfordring til kunstig intelligens. De udviklede en algoritme, der ikke behøver menneskelige retningslinjer for, hvordan et bestemt sportype “burde” se ud. Den fokuserer udelukkende på form og finder selv mønstre.
Kunstig intelligens analyserer tusindvis af dinosauraftryk som fingeraftryk og grupperer dem efter reelle ligheder – ikke efter forskerners indgroede vaner. Denne tilgang åbner helt nye muligheder inden for palæontologien.
Sådan fungerer DinoTracker: fra foto til et rum med otte dimensioner
Kernen i projektet er en mobilapp kaldet DinoTracker, som er understøttet 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 først sporene til forenklede konturer, så algoritmen kunne se ren geometri – uden stenfarver eller erosionsspor.
Når en bruger fotograferer et spor eller uploader en skitse, identificerer systemet automatisk karakteristiske punkter. På den baggrund omregner algoritmen hvert aftryk til otte nøgleparametre for form. Dermed placeres det i et såkaldt morfologisk rum med otte dimensioner, hvor lignende spor havner tæt på hinanden og forskellige spor langt fra hinanden.
Blandt de vigtigste målte egenskaber finder vi:
- Fingrenes retning og placering
- Længden af den hællignende del
- Proportionerne mellem de enkelte fingre
- Aftrykkets bredde på det bredeste sted
- Vinklen mellem de yderste fingre
- Krumningen af de enkelte kløer
- Aftrykkets dybde i forskellige dele
- Asymmetrien mellem venstre og højre side
Det morfologiske rum fungerer i praksis som et formkort, hvor hvert spor har sin egen adresse defineret af otte tal. Denne analysemetode eliminerer situationer, hvor to eksperter når frem til vidt forskellige konklusioner om det samme aftryk. I tests opnåede algoritmen cirka 90 procents overensstemmelse med specialisters vurderinger af velbevarede spor – og computeren arbejder konsekvent på præcis samme måde hver gang.
Læring uden mærker: algoritmen der ikke kender dinosaurernes navne
Det mest fascinerende ved DinoTracker er, at den ikke blev trænet på færdige eksempler mærket af eksperter. I stedet anvendte forskerne såkaldt usupervised learning – læring uden overvågning. Algoritmen fik aldrig oplysninger som “dette er et spor fra en bestemt art” eller “dette er et rovdyrs spor”. Den så kun former og havde til opgave selv at finde grupper af lignende aftryk.
For at gøre systemet robust over for skader og deformationer genererede forskerne over ti tusinde kunstige spor baseret på de virkelige. De simulerede blandt andet sløring eller delvis udviskning af én finger, udvidelse af hele aftrykket som ved et fugtigt underlag, rotation af sporet i forskellige vinkler samt mindre deformationer svarende til jordens sammentrykning under dyrets vægt.
Takket være denne træning håndterer algoritmen selv tydeligt ufuldkomment materiale – præcis den type, man oftest støder på i felten. I stedet for spørgsmålet “er dette virkelig et spor fra en kendt dinosaur?” stiller systemet hellere: “Hvilke andre spor ligner denne form mest?”
Forskerne fra Tübingen fremhæver, at traditionelle klassifikationsmetoder ofte byggede på den enkelte palæontologs forforståelse og erfaring. Den nye maskinlæringsbaserede tilgang leverer et mere objektivt perspektiv på morfologisk variation.
Spor fra for 210 millioner år siden minder om nutidens fuglepote
Da forskerne placerede spor fra forskellige tidsperioder i det morfologiske rum, begyndte interessante sammenhænge at tegne sig på kortet. Størst opsigt vakte en gruppe meget gamle aftryk – over 210 millioner år gamle – som algoritmen placerede overraskende tæt på spor forbundet med fugle.
Disse uralte aftryk deler flere træk med det, vi kender fra fortovene i parker, hvor duer og måger går. Computeren identificerede mønstre, der forbinder triassiske theropoder med moderne fugle langt mere overbevisende, end traditionel komparativ analyse nogensinde har formået.
Forskerne fra Manchester understreger, at dette fund understøtter den evolutionære teori om fuglenes oprindelse. Fossile spor fra lokaliteten Ischigualasto i Argentina udviser en smal trefingret form, markante kløer for enden af fingrene og en vinkel mellem dem, der minder om svaler og gærdesmutte. Nogle jurassiske aftryk fundet i Colorado viser endda en struktur, der minder om puden på undersiden af fugles tæer.
Forskere fra Museum für Naturkunde i Berlin bekræfter, at ligheden ikke er tilfældig. Sporenes geometri antyder, at visse små theropoder kan have bevæget sig på en måde svarende til nutidens sangfugle eller rovfugle. Det styrker hypotesen om en gradvis omdannelse af dinosaurernes lemmer til fugleben.
Praktisk anvendelse: fra feltarbejde til museumssamlinger
DinoTracker er langt fra kun et akademisk eksperiment. Forskerne tester allerede appen i felten i Utah, Wyoming og Patagonien, hvor amatørpalæontologer øjeblikkeligt kan sammenligne et nyfundet spor med databasen. Systemet fungerer også offline – en stor fordel ved arbejde på afsidesliggende lokaliteter uden internetadgang.
Museer verden over er begyndt at digitalisere deres samlinger af fossile spor ved hjælp af netop denne teknologi. Universitetet i Tübingen planlægger at udvide databasen med firfingrede aftryk fra sauropoder og andre sportyper. Forskerne håber, at kunstig intelligens kan hjælpe med at identificere hidtil ukendte arter udelukkende på baggrund af formanalyse.
Er du interesseret i palæontologi? Appen kan hentes gratis, og du kan bidrage til forskningen ved at uploade fotos af spor, du finder på dine ture til områder med fossiler.
