• Модель машинного обучения может анализировать особенности формы и движения в ископаемых следах, чтобы предположить, кто наиболее вероятно их оставил.
  • Такой подход может повысить точность идентификации, хотя он зависит от качества данных и поднимает вопросы о пределах возможностей ИИ.

Что произошло

Учёные разработали новый метод на основе ИИ, который помогает определить, какие виды динозавров оставили конкретные ископаемые следы, согласно исследованию, опубликованному в журнале Scientific Reports. Метод сочетает машинное обучение и биомеханическое моделирование, чтобы сравнивать форму отпечатков и восстановленные паттерны движения с известными анатомическими и локомоторными особенностями разных динозавров.

Традиционно палеонтологи полагаются на ручное сравнение морфологии следов — подход, который может быть субъективным и ограничен качеством сохранности. Модель ИИ, обученная на тысячах измерений отпечатков и данных скелетов, оценивает едва заметные различия в геометрии отпечатков, которые могут соответствовать размеру, походке и анатомии стопы. На первых испытаниях система показала многообещающие результаты в сопоставлении следов с окаменевшими костями стоп представителей конкретных групп динозавров.

Авторы исследования подчёркивают, что метод ИИ не заменяет традиционную палеонтологическую экспертизу, а служит инструментом для улучшения интерпретации, особенно в неоднозначных случаях, когда следы могли принадлежать нескольким похожим видам. Они также отмечают, что точность модели сильно зависит от качества и полноты входных данных, которые в ископаемой летописи остаются неоднородными.

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

Почему это важно

Эта разработка представляет собой беспрецедентное пересечение искусственного интеллекта и палеонтологии, распространяя науку о данных на глубокую историю Земли. Уточняя способность связывать следы с конкретными их создателями, исследователи могут строить более точные реконструкции поведения, экологии и способов передвижения динозавров. Понимание того, какие виды оставили те или иные следы, может пролить свет на исследования динамики стад, взаимодействий хищник — жертва и использования местообитаний в мезозойскую эру — сведения, которые ранее оставались предположительными при отсутствии прямых ископаемых останков тел.

Однако у метода есть ограничения. Поскольку модели машинного обучения настолько хороши, насколько хороши их обучающие наборы данных, пробелы в ископаемой летописи скелетов динозавров могут приводить к смещению результатов или переобучению на хорошо представленные группы. Распознавание образов ИИ также несёт риск «ложной уверенности» в случаях, когда следы были деформированы эрозией, уплотнением осадков или постдепозиционными изменениями — факторами, с которыми палеонтологи сталкиваются давно.

Кроме того, этот подход поднимает более широкие вопросы о роли ИИ в научном выводе. Если вычислительные инструменты способны быстро обрабатывать сложные массивы данных, их результаты требуют тщательной проверки. Критики предупреждают, что чрезмерная опора на алгоритмические подсказки может ослабить знание предметной области, которое направляло десятилетия полевых палеонтологических исследований.

Таким образом, техника ИИ предлагает многообещающий дополнительный инструмент для анализа следов, но её полезность будет зависеть от постоянного совершенствования, расширения наборов данных и интеграции с устоявшимися научными методами.

Читайте также:https://btw.media/en/allit-infrastructure/globalconnect-invests-in-ai-technology/