- يمكن لنموذج التعلم الآلي تحليل أنماط الشكل والحركة في آثار الأقدام الأحفورية لاقتراح الصانع الأكثر احتمالاً.
- يمكن لهذا النهج تحسين دقة التحديد، على الرغم من اعتماده 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 أحفورية محددة، وفقاً لدراسة نشرت في مجلة Scientific Reports. تستخدم التقنية مزيجاً من التعلم الآلي والنمذجة الميكانيكية الحيوية لمقارنة شكل الآثار وأنماط الحركة المستنتجة مع الخصائص التشريحية والحركية المعروفة للديناصورات المختلفة.
تقليدياً، يعتمد علماء الحفريات على المقارنة اليدوية لمورفولوجيا الآثار – وهو نهج يمكن أن يكون ذاتياً ومحدوداً بجودة الحفظ. نموذج الذكاء الاصطناعي، المدرب على آلاف القياسات من الآثار وبيانات الهياكل العظمية، يقيم الاختلافات الدقيقة في هندسة الآثار التي قد تتوافق مع الحجم والمشية وتشريح القدم. في الاختبارات الأولية، أظهر النظام نتائج واعدة في مطابقة الآثار مع عظام أقدام متحجرة من مجموعات ديناصورات محددة.
يؤكد مؤلفو الدراسة أن طريقة الذكاء الاصطناعي لا تحل محل الخبرة الحفرية التقليدية، بل تعمل كأداة لتحسين التفسير، خاصة في الحالات الغامضة حيث قد تنتمي الآثار إلى عدة أنواع متشابهة. ويلاحظون أيضاً أن دقة النموذج تعتمد بشكل كبير على جودة واكتمال بيانات الإدخال، والتي تظل متغيرة في السجلات الأحفورية.
اقرأ أيضاً:https://btw.media/en/it-infrastructurenebius-enters-uk-market-with-nvidia-backed-ai-infrastructure/
لماذا هذا مهم
يمثل هذا التطور تقاطعاً غير مسبوق بين الذكاء الاصطناعي وعلم الحفريات، مما يوسع علم البيانات ليشمل تاريخ الأرض العميق. من خلال تحسين القدرة على ربط الآثار بصانعين محددين، يمكن للباحثين بناء إعادة بناء أكثر دقة لسلوك الديناصورات وبيئتها وأنماط حركتها. فهم أي الأنواع صنعت آثاراً معينة يمكن أن يلقي الضوء على دراسات ديناميكيات القطعان والتفاعلات بين المفترس والفريسة واستخدام الموائل خلال العصر الوسيط – وهي معلومات كانت تخمينية سابقاً في غياب الأحافير الجسدية المباشرة.
ومع ذلك، فإن الطريقة لها حدود. نظراً لأن نماذج التعلم الآلي لا تساوي إلا ما تساوي مجموعات بيانات التدريب الخاصة بها، فإن الثغرات في السجلات الهيكلية للديناصورات قد تسبب تحيزاً في النتائج أو الإفراط في ملاءمة المجموعات الممثلة جيداً. كما أن التعرف على الأنماط بواسطة الذكاء الاصطناعي يخاطر بـ «ثقة زائفة» في الحالات التي تشوهت فيها الآثار بسبب التآكل أو ضغط الرواسب أو التشوه بعد الترسيب، وهي عوامل واجهها علماء الحفريات منذ فترة طويلة.
علاوة على ذلك، يثير هذا النهج تساؤلات أوسع حول دور الذكاء الاصطناعي في الاستدلال العلمي. إذا كانت الأدوات الحاسوبية يمكنها معالجة مجموعات البيانات المعقدة بسرعة، فإن نتائجها تتطلب تحققاً دقيقاً. يحذر النقاد من أن الاعتماد المفرط على الاقتراحات الخوارزمية قد يضعف المعرفة الميدانية التي وجهت عقوداً من أبحاث الحفريات الميدانية.
باختصار، تقدم تقنية الذكاء الاصطناعي أداة إضافية واعدة لتحليل الآثار، لكن فائدتها ستعتمد على التحسين المستمر وتوسيع مجموعات البيانات والتكامل مع الأساليب العلمية الراسخة.
اقرأ أيضاً:https://btw.media/en/allit-infrastructure/globalconnect-invests-in-ai-technology/