AI يساعد في مطابقة آثار الديناصورات مع صانعيها

يتم تسليط الضوء على 'AI يساعد في مطابقة آثار الديناصورات مع صانعيها' من قبل BTW Media لأن الأدلة المنشورة تربطه بالبنية التحتية للإنترنت أو الحوكمة أو التبعيات التشغيلية أو ظهور السوق.

• يمكن لنموذج التعلم الآلي تحليل أنماط الشكل والحركة في آثار الأقدام المتحجرة لاقتراح صانع الأثر الأكثر احتمالاً.
• يمكن أن يحسن هذا النهج دقة التحديد، لكنه يعتمد على بيانات عالية الجودة ويثير تساؤلات حول حدود الذكاء الاصطناعي.

ما حدث

ابتكر العلماء طريقة جديدة تعتمد على الذكاء الاصطناعي تساعد في تحديد أنواع الديناصورات التي أنتجت آثار أقدام متحجرة معينة، وفقًا لدراسة نشرت في مجلة Scientific Reports. تستخدم التقنية مزيجًا من التعلم الآلي والنمذجة الميكانيكية الحيوية لمقارنة أشكال آثار الأقدام وأنماط الحركة المستنتجة منها مع السمات التشريحية والحركية المعروفة لمختلف الديناصورات.

تقليديًا، اعتمد علماء الحفريات على المقارنة اليدوية لتشكل المسارات - وهو نهج يمكن أن يكون ذاتيًا ومحدودًا بجودة الحفظ. نموذج الذكاء الاصطناعي، المدرب على آلاف القياسات من آثار الأقدام والبيانات الهيكلية، يقيم الاختلافات الدقيقة في هندسة آثار الأقدام التي قد تتوافق مع الحجم والمشية وتشريح القدم. في الاختبارات الأولية، أظهر النظام نتائج واعدة في مطابقة المسارات مع عظام أقدام متحجرة معروفة من مجموعات ديناصورات محددة.

يؤكد مؤلفو الدراسة أن طريقة الذكاء الاصطناعي لا تحل محل الخبرة الحفرية التقليدية بل هي أداة لتعزيز التفسير، خاصة في الحالات الغامضة حيث يمكن أن تنتمي آثار الأقدام إلى عدة أنواع متشابهة. كما يلاحظون أن دقة النموذج تعتمد بشكل كبير على جودة واكتمال بيانات الإدخال، والتي تظل متباينة عبر السجل الأحفوري.

اقرأ أيضًا:https://btw.media/en/it-infrastructurenebius-enters-uk-market-with-nvidia-backed-ai-infrastructure/

أهمية ذلك

يمثل هذا التطور تقاطعًا جديدًا بين الذكاء الاصطناعي وعلم الحفريات، مما يوسع علم البيانات ليشمل تاريخ الأرض العميق. من خلال تحسين القدرة على ربط آثار الأقدام بصنّاعها المحددين، يمكن للباحثين بناء إعادة بناء أكثر دقة لسلوك الديناصورات وبيئتها وأنماط حركتها. إن فهم الأنواع التي صنعت مسارات معينة يمكن أن يوجه دراسات ديناميكيات القطيع وتفاعلات المفترس والفريسة واستخدام الموائل خلال عصر الدهر الوسيط - وهي رؤى كانت سابقة تخمينية في غياب الحفريات الجسدية المباشرة.

ومع ذلك، فإن للطريقة قيودًا. لأن نماذج التعلم الآلي تكون جيدة بقدر مجموعات بيانات التدريب الخاصة بها، فإن الثغرات في سجلات الهياكل العظمية للديناصورات يمكن أن تحيز النتائج أو تؤدي إلى الإفراط في التجهيز للمجموعات الممثلة بشكل جيد. كما أن التعرف على الأنماط بالذكاء الاصطناعي ينطوي على خطر 'الثقة الزائفة' في الحالات التي تعرضت فيها آثار الأقدام للتشويه بسبب التآكل أو ضغط الرواسب أو التشوه بعد الترسيب، وهي عوامل عانى منها علماء الحفريات لفترة طويلة.

بالإضافة إلى ذلك، يثير النهج تساؤلات أوسع حول دور الذكاء الاصطناعي في الاستدلال العلمي. بينما يمكن للأدوات الحاسوبية معالجة مجموعات البيانات المعقدة بسرعة، تتطلب مخرجاتها التحقق الدقيق. يحذر النقاد من أن الاعتماد المفرط على الاقتراحات الخوارزمية قد يخفف من المعرفة المجالية التي وجهت عقودًا من الأبحاث الحفرية الميدانية.

باختصار، تقدم تقنية الذكاء الاصطناعي أداة تكميلية واعدة لتحليل المسارات، لكن فائدتها ستعتمد على التحسين المستمر وتوسيع مجموعات البيانات والتكامل مع الأساليب العلمية الراسخة.

اقرأ أيضًا:https://btw.media/en/allit-infrastructure/globalconnect-invests-in-ai-technology/