AI som ny detektiv i jagten på dinosaurspor
Et internationalt forskerhold har udviklet et AI-system, der lynhurtigt sammenligner, sorterer og genkender mønstre i fossile spor – og resultaterne afslører overraskende ligheder med fødderne på nutidens fugle.
Hvorfor korrekt tolkning af dinosaurspor er så vigtig
Et aftrykkets form fortæller om benets længde, tåernes stilling, dyrets vægt og endda dets bevægelsesmønster. Men fossile spor er ofte ufuldstændige, slidte eller forvrænget af mudder, vand og tid.
Forskere fra Universitetet i Tübingen, Universitetet i Manchester og Museum für Naturkunde i Berlin har derfor bygget et nyt AI-system, indlejret i mobilappen DinoTracker. Programmet anvender et såkaldt konvolutionelt neuralt netværk – en type algoritme, der er særligt effektiv til at genkende mønstre i billeder.
Grundlaget består af mere end 2.000 trefingrede dinosaurspor fra en lang række lande, alle mellem 200 og 145 millioner år gamle. Aftrykene er standardiseret til skarpe konturer, så AI'en udelukkende fokuserer på den rene form – uden forstyrrende farver, teksturer eller baggrunde.
Ved kun at analysere aftrykkets geometri sætter AI'en alle forudindtagede forestillinger om, hvilken art det "burde være", til side.
Systemet placerer herefter hvert nyt sporaftrryk i et såkaldt morfologisk landskab med otte dimensioner. AI'en måler blandt andet hælens længde, afstanden mellem tæerne, aftrykkets symmetri og den samlede bredde. Alle disse mål tilsammen bestemmer sporets placering i det ottedimensionelle landskab.
Sådan fungerer DinoTracker for forskere og tilfældige opdagere
DinoTracker er langtfra kun beregnet til akademikere. Alle med en smartphone kan deltage – fra hobbyfossiljægere til vandrere, der støder på mærkelige aftryk i et stenbrud eller ved en kystklint.
Fra foto til videnskabeligt datapunkt
- Brugeren fotograferer eller skitserer et muligt dinosauraftryk.
- Appen registrerer automatisk centrale punkter: tåernes retning, hælzonens længde, vinklen mellem tæerne og det samlede omfang.
- AI'en sammenligner konturerne med den eksisterende database og beregner en matchscore.
- Aftrykket tildeles en plads i det morfologiske landskab og tilføjes – efter kontrol – til datasættet.
Denne proces hjælper ikke blot med den første vurdering i felten, men udvider løbende den centrale database. Dermed vokser et stadig større netværk af spor fra egne, hvor en specialist måske aldrig tidligere har sat sin fod.
I områder med få palæontologer giver værktøjet en første sortering: Hvilket spor er interessant nok til nærmere undersøgelse, og hvilket er blot en tilfældig klippeformation eller et nyere aftryk?
Ustyret læring: AI uden forudindtagede etiketter
En bemærkelsesværdig designbeslutning er brugen af såkaldt ustyret læring (unsupervised learning). Her lærer AI'en selv at genkende grupper af former – uden at få etiketter som "theropod" eller "tidlig jura" at arbejde med på forhånd.
I mange eksisterende databaser er spor mærket af eksperter, der arbejdede for årtier siden. Disse etiketter kan være fejlagtige eller for upræcise, og traditionelle AI-modeller overtager ukritisk sådanne fejl.
Når AI'en ikke pålægges et artsnavne, betragter den formen neutralt – og der opstår grupper, der udelukkende er baseret på ligheder i aftrykket.
For at gøre systemet mere robust over for dårligt bevarede spor har forskerne digitalt "bearbejdet" de oprindelige 2.000 aftryk og skabt over 10.000 varianter – med fortykede eller slidte tæer, lette rotationer, forvrængte hæle og andre ufuldkommenheder, som mudder og sand typisk efterlader. På den måde lærer AI'en at håndtere feltarbejdets rodede virkelighed.
Efter denne træning opnår AI'en en overensstemmelse på cirka 90 procent med menneskelige specialisters vurderinger – primært ved velbevarede spor. Hvor eksperter indbyrdes er uenige, viser AI'en sig faktisk mere konsekvent, fordi den altid anvender de samme måleregler.
Fuglelignende fødder i ældgamle dinosaurspor
Den mest opsigtsvækkende opdagelse handler om fuglenes mulige oprindelse. Den gængse opfattelse er, at fugle stammer fra en gruppe tobenede kødædende dinosaurer – theropoderne – og at den typiske fuglfod gradvist udviklede sig i sen jura og kridt.
AI'en stødte imidlertid i datasættet på adskillige spor, der er mere end 210 millioner år gamle. Disse aftryk udviser en påfaldende slank, trefingret form med stærk symmetri og lille afstand mellem tæerne – noget, der minder bemærkelsesværdigt meget om fødderne hos mange nulevende løbefugle.
Ifølge forskerne peger resultaterne overordnet på to mulige scenarier:
- Fuglenes forfædre opstod langt tidligere, end de fleste palæontologer hidtil har antaget.
- Eller visse dinosaurer i trias-perioden udviklede uafhængigt en fodform, der stærkt minder om senere fugles – en form for konvergent evolution.
Da AI'en ikke direkte kobler sporene til bestemte arter, er "ejerne" af disse fodaftryk stadig ukendte. Alligevel tegner mønsteret en sammenhængende linje: fra tidlige slanke, trefingrede former over kendte theropodaftryk til nutidens fugles fødder.
Denne kontinuitet giver ny næring til debatten om den præcise tidslinje for overgangen fra dinosaurer til fugle. Nye fund, indsamlet via appen, kan i de kommende år skærpe billedet yderligere.
Offentligheden som medspiller i digital palæontologi
DinoTracker-appen passer ind i en bredere bevægelse inden for videnskaben, hvor borgere ikke blot ser til, men aktivt bidrager med data. Fra fugletællinger til vejr-apps: ikke-fagfolk hjælper i stigende grad med at indsamle store datamængder.
For fossiler gælder en særlig udfordring: Man skal ofte have specialiseret viden for at skelne et ægte fund fra "en flot sten." Med en AI-drevet første vurdering i hånden tør amatører hurtigere dele deres fund med museer eller universiteter – hvilket kan føre til flere indberetninger af sjældne spor uden for de klassiske fundsteder.
Udviklerne ser desuden muligheder for at udvide teknologien. Det samme princip – at reducere former til konturer og automatisk sortere dem – kan også anvendes på andre fossiler, såsom:
- Bladaftryk fra ældgamle planter
- Krybespor fra hvirvelløse dyr
- Fragmentariske knoglefossiler med genkendelige omrids
Det er her, denne tilgang adskiller sig fra traditionel forskning
Hvor klassisk palæontologi i høj grad hviler på en lille gruppe specialister med mange års erfaring, satser dette projekt på skala og standardisering. Hvert nyt brugbart foto tilføjer et datapunkt inden for det samme målsystem – og det gør globale sammenligninger langt lettere. Et spor fra et tysk stenbrud kan direkte sammenlignes med et aftryk fra en argentinsk ørken.
For studerende og interesserede bliver fagområdet samtidig mere håndgribeligt. De kan på deres skærm se, hvordan et spors formtræk påvirker dets placering i det morfologiske landskab – og det hjælper med at indlære grundbegreber som "tridaktyl", "symmetrisk" eller "bredstilet tæstilling".
For alle, der selv vil prøve kræfter med det, gælder én vigtig pointe: kontekst er uundværlig. En AI kan sige meget om formen, men intet om den præcise alder eller det geologiske lag. Fotos af omgivelserne, stentypen og sporets placering i klippen er stadig nødvendige for at gøre et fund videnskabeligt værdifuldt.
Ikke desto mindre viser dette projekt tydeligt, hvordan AI og feltarbejde bevæger sig mod hinanden – ikke som erstatning for palæontologen med hammer og lup, men som et ekstra instrument, der fremdrager skjulte mønstre i gamle fodspor og af og til giver os et glimt af de allerførste skridt i retning mod de fugle, der i dag flyver hen over vores hoveder.
