På en stille klippeflade, et sted mellem støv og sol, læser en algoritme historier i gamle aftryk, som mennesker overser.
Flere og flere palæontologer overlader en del af detektivarbejdet: ikke til kolleger, men til en kunstig hjerne, der nøgternt sammenligner og kategoriserer millioner af år gamle fodspor.
En stille revolution i studiet af dinosaurspor
Dinosaurspor virker simple: tre tæer, en hæl, en retning. I virkeligheden udgør de et rodet arkiv. Underlaget var vådt eller hårdt, aftrykket er slidt, dele mangler. Forskere diskuterer ofte, hvem der præcis efterlod aftrykket, og hvordan det dyr bevægede sig.
Et internationalt team med videnskabsfolk fra universitetet i Tübingen, universitetet i Manchester og Museum für Naturkunde i Berlin præsenterer nu en digital assistent: en kunstig intelligens, der analyserer tusindvis af spor uden forudbestemte etiketter. Det valg leverer overraskende sammenhænge, især med… moderne fugle.
Denne AI ser ikke på artsnavne, men udelukkende på form. Derfor dukker mønstre op, som mennesker let overser.
Sådan virker DinoTracker: fra klippeflade til dataklynge
Kernen i projektet er en app og analyseværktøj ved navn DinoTracker. Bag den enkle grænseflade kører et konvolutionelt neuralt netværk, en type algoritme, der normalt genkender billeder af katte eller trafikskilte. Her handler det om fossile fodspor fra Jura og Trias.
Et verdensomspændende bibliotek af tredelte fodaftryk
Teamet indsamlede over 2.000 veldokumenterede tredelte (tridactyle) aftryk fra forskellige kontinenter, mellem 200 og 145 millioner år gamle. Hvert aftryk blev standardiseret: støj fjernet, reduceret til konturer og sat i samme format. Herefter fik algoritmen disse former uden etiketter som “theropod” eller “fuglelignende dinosaur”.
Når en bruger nu uploader et foto eller tegning i appen, sker en række automatiske trin:
- systemet markerer nøglepunkter såsom tæernes stilling og den relative længde af hæl og mellemfod;
- det beregner en række metriske forhold ud fra omridset;
- det projicerer aftrykket i et otte-dimensionelt “formrum”, baseret på de største variationer i datasættet;
- det sammenligner det nye aftryk med nærliggende punkter i det rum og vurderer slægtskabet.
Sådan opstår et konsistent system, der placerer sammenlignelige spor tæt på hinanden, selv når dele mangler eller er slidte. Menneskelig fortolkning følger først bagefter som et andet trin.
Ved først at klynge former og derefter kigge på arter reducerer DinoTracker indflydelsen af eksisterende fordomme i litteraturen.
Træning med uperfekthed: simulerede spor
For at øge robustheden fodrede forskerne deres AI også med tusindvis af kunstigt forvrængede spor. De strakte aftryk ud, lod “tæer” delvist forsvinde, drejede formen og simulerede indtryk i mudder eller sand. I alt opstod over 10.000 varianter.
Sådan lærer algoritmen at håndtere den rodede virkelighed i marken. Et aftryk med slidt tå kan stadig havne i samme klynge som en bedre bevaret variant. Ifølge forskerne stemmer AI’en i cirka 90 procent af de godt bevarede tilfælde overens med ekspertklassifikationer, men modellen forbliver mere stabil ved tvivlstilfælde end menneskelige bedømmere.
Gamle spor, moderne fugle: en ubehagelig lighed
Det mest spændende resultat handler ikke om teknologien, men om hvad den teknologi bringer frem i lyset. I formrummet dukker klynger op af yderst slanke, symmetriske tredelte aftryk, der ligner nutidens løbefugles spor.
Nogle af disse fossile aftryk er over 210 millioner år gamle fra sen Trias. Klassisk forventer man, at ægte “fuglelignende” fødder først dukker op meget senere, et sted i sen Jura, hos tidlige fugle som Archaeopteryx.
En del af de tidligste theropod-spor ligner, rent formmæssigt, uhyggeligt meget dem fra moderne fugle, lang tid før formelle fugle optræder i skeletarkivet.
To mulige scenarier for fugles oprindelse
AI’en fortæller ikke, hvilket dyr præcis trådte over det våde sediment. Men fordi forskellige meget gamle spor alligevel havner i en “fuglelignende” klynge, fremlægger forskerne to scenarier:
| Scenarie | Kerneidé | Konsekvens for forskning |
|---|---|---|
| Tidligere oprindelse af fugle | Fuglelignende dinosaurer eksisterede allerede i sen Trias, men vi har endnu ikke eller kun uklart fundet deres skeletter. | Søgning efter ældre, subtile fossiler med fugletræk bliver mere interessant. |
| Konvergent evolution af fødder | Visse kødædende dinosaurer udviklede uafhængigt en fodform, der ligner fugles. | Forskere skal kigge skarpt på parallelle tilpasninger i gangstil og økologi. |
I begge tilfælde forskyder diskussionen om timing og måden, hvorpå fugle opstod fra theropoder. Formkontinuiteten af spor gennem tiden peger på en gradvis tilpasning af foden med lange, lige fremadrettede tæer og en effektiv, retlinjet gang.
Hvad fodspor fortæller om adfærd
Ud over ren form giver spor også hints om adfærd. Når AI’en klynger rækker af aftryk fra forskellige tidsaldre, falder det på, at visse “fuglelignende” fodformer ofte går sammen med smalle gangstier og relativt store skridt. Det peger på effektiv, retlinjet bevægelse, muligvis løb eller langvarigt gang over åbent terræn.
Sådan opstår et billede af små til mellemstore tovbenede dinosaurer, der krydser landskabet på en måde, der umiddelbart minder om moderne vadefugle eller strudse. Overlapningen i fodform understøtter den sammenligning.
Science fiction i lommen: borgere som sporsøgere
DinoTracker vil ikke kun betjene akademikere. Appen lader nysgerrige vandrere, amatørsamlere og guider i naturområder uploade fotos af mulige spor. Algoritmen giver ikke en endelig dom, men en probabilistisk vurdering og en placering i formrummet.
Hvert uploadet spor kan efter verifikation vokse til et datapunkt, der skærper det globale billede af dinosaur-lokomation.
Den tilgang åbner døren til såkaldt borgerforskning. Regioner med få professionelle palæontologer kan således alligevel levere indikationer. Lokale guider ved sporbanker, stenbrud eller byggegrube får et instrument til hurtigt at tjekke, om et aftryk er interessant nok til videre undersøgelse.
Fordele og faldgruber ved massiv dataindsamling
Fordelene er indlysende:
- hurtigere opsporing af nye findesteder;
- større geografisk spredning af data inklusive dårligt undersøgte områder;
- en mere standardiseret beskrivelse af spor globalt;
- mere træningsmateriale til forbedrede AI-modeller fremover.
Der lurer også risici. Fejlagtigt fortolkede naturlige erosionsformer kan forurene databasen, ligesom fotos med dårlig belysning eller forkert skala. Derfor indbygger forskerne filtre såsom kvalitetstjek og krydssammenligning med eksisterende klynger. Kun spor med tilstrækkelig sikkerhed går videre til de videnskabelige analyser.
Videre end fodspor: en ny standard for digital palæontologi
Algoritmen bag DinoTracker ser i bund og grund kun på konturer, afstande og vinkler. Den tilgang lader sig relativt nemt anvende på andre fossile former. Teamet tester allerede anvendelser på planteaftryk, insektspor og fragmentariske knogler.
For palæontologien betyder dette et skridt mod en mere kvantitativ, standardiseret tilgang. Samlinger på museer forvandler sig til træningssæt. Gamle tegninger eller gipsafstøbninger kan genscannes og tjene som digitale former. Det passer ind i en bredere tendens med 3D-scanning, fotogrammetri og åbne databaser.
Hvor tidligere én specialist brugte dage på at udmåle en håndfuld spor, kan en algoritme nu på minutter objektivt sammenligne tusindvis af former.
Hvad dette betyder for skoleelever, museer og hobbyfolk
Teknologien egner sig også til undervisning og formidling. Museer kan lade besøgende lege med virtuelle spor: vælg et aftryk, lad AI’en vise de mest lignende fossiler og sammenlign gangmønstrene. Skoler kan koble feltbesøg med digitale analyser, så børn ikke bare ser “et dinosaurspor”, men også lærer, hvordan forskere fortolker det.
For hobbyfolk opstår en ny rolle. I stedet for at opbevare løse fund i skure kan de via standardiserede fotos bidrage til forskning. Det kræver ordentlig forklaring om skala, kameravinkel og kontekst, men den instruktion passer nemt i en kort vejledning eller workshop.
Et bredere blik på AI i geovidenskaber
DinoTracker-tilgangen illustrerer et bredere skift i geovidenskaber: fra beskrivende observation til mønstergenkendelse med algoritmer. Sammenlignelige teknikker understøtter allerede genkendelse af jordskred på satellitbilleder eller gruppering af fossile tænder. Kerneidéen forbliver den samme: lad modellen først selv finde struktur, og kobl den struktur derefter til eksisterende navne og teorier.
For forskere betyder det en anderledes arbejdsgang. I stedet for direkte at navngive arter kigger de først på klynger i formrum, tester hypoteser med simulationer og søger derefter anatomiske forklaringer. Det tvinger til skarpere definitioner: hvad mener vi præcis med “fuglelignende”? Kun en bestemt fodform, eller også adfærd, fjerdragt og metabolisme?
Den, der selv vil i gang med sådanne data, kan lave simple øvelser: for eksempel samle silhuetter af fugle, firben og pattedyr, digitalisere deres omrids og lade dem klynge af en open-source algoritme. Springet til ægte fossiler er større, men tankeprincipper forbliver det samme. Sådan vokser en generation af forskere, der læser både klippe og kode, og via gamle spor stiller nye spørgsmål om fugles oprindelse og dinosaurernes mangfoldighed.
