På en tyst klipphylla, någonstans mellan damm och sol, läser en algoritm historier i gamla avtryck som människor förbiser.
Allt fler paleontologer överlåter en del av detektivarbetet: inte till kollegor, utan till en artificiell hjärna som nykter jämför och kategoriserar fotspår som är miljontals år gamla.
En tyst revolution i studiet av dinosauriespår
Dinosauriespår verkar enkla: tre tår, en häl, en riktning. I verkligheten utgör de ett rörigt arkiv. Underlaget var vått eller hårt, avtrycket är slitet, delar saknas. Forskare diskuterar ofta vem exakt som lämnade avtrycket och hur djuret rörde sig.
Ett internationellt team med vetenskapsmän från universitetet i Tübingen, universitetet i Manchester och Museum für Naturkunde i Berlin presenterar nu en digital assistent: en artificiell intelligens som analyserar tusentals spår utan förutbestämda etiketter. Det valet levererar överraskande samband, särskilt med… moderna fåglar.
Denna AI tittar inte på artsnamn, utan uteslutande på form. Därför dyker mönster upp som människor lätt förbiser.
Så fungerar DinoTracker: från klipphylla till datakluster
Kärnan i projektet är en app och analysverktyg vid namn DinoTracker. Bakom det enkla gränssnittet kör ett konvolutionellt neuralt nätverk, en typ av algoritm som normalt känner igen bilder av katter eller trafikskyltar. Här handlar det om fossila fotspår från jura och trias.
Ett världsomspännande bibliotek av tredelade fotavtryck
Teamet samlade över 2 000 väldokumenterade tredelade (tridaktyla) avtryck från olika kontinenter, mellan 200 och 145 miljoner år gamla. Varje avtryck standardiserades: brus borttaget, reducerat till konturer och satt i samma format. Därefter fick algoritmen dessa former utan etiketter som ”theropod” eller ”fågelliknande dinosaurie”.
När en användare nu laddar upp ett foto eller ritning i appen sker en rad automatiska steg:
- systemet markerar nyckelpunkter såsom tårnas ställning och den relativa längden av häl och mellanfot;
- det beräknar en rad metriska förhållanden utifrån konturen;
- det projicerar avtrycket i ett åttadimensionellt ”formrum”, baserat på de största variationerna i datamängden;
- det jämför det nya avtrycket med närliggande punkter i det rummet och bedömer släktskapet.
Så uppstår ett konsekvent system som placerar jämförbara spår nära varandra, även när delar saknas eller är slitna. Mänsklig tolkning följer först efteråt som ett andra steg.
Genom att först klustra former och sedan titta på arter minskar DinoTracker inflytandet av befintliga fördomar i litteraturen.
Träning med imperfektion: simulerade spår
För att öka robustheten matade forskarna sin AI även med tusentals konstgjort förvridna spår. De sträckte ut avtryck, lät ”tår” delvis försvinna, vred formen och simulerade intryck i lera eller sand. Totalt uppstod över 10 000 varianter.
Så lär algoritmen sig att hantera den röriga verkligheten i fält. Ett avtryck med sliten tå kan fortfarande hamna i samma kluster som en bättre bevarad variant. Enligt forskarna stämmer AI:n i cirka 90 procent av de välbevarade fallen överens med expertklassifikationer, men modellen förblir mer stabil vid tveksamma fall än mänskliga bedömare.
Gamla spår, moderna fåglar: en obekväm likhet
Det mest spännande resultatet handlar inte om teknologin, utan om vad den teknologin för fram i ljuset. I formrummet dyker kluster upp av ytterst smala, symmetriska tredelade avtryck som liknar nutida springfåglars spår.
Några av dessa fossila avtryck är över 210 miljoner år gamla från sen trias. Klassiskt förväntar man sig att äkta ”fågelliknande” fötter först dyker upp mycket senare, någonstans i sen jura, hos tidiga fåglar som Archaeopteryx.
En del av de tidigaste theropodspåren liknar, rent formmässigt, skrämmande mycket dem från moderna fåglar, långt innan formella fåglar uppträder i skelettarkivet.
Två möjliga scenarier för fåglars ursprung
AI:n berättar inte vilket djur exakt som trampade över det våta sedimentet. Men eftersom olika mycket gamla spår ändå hamnar i ett ”fågelliknande” kluster, lägger forskarna fram två scenarier:
| Scenario | Kärnidé | Konsekvens för forskning |
|---|---|---|
| Tidigare ursprung för fåglar | Fågelliknande dinosaurier existerade redan i sen trias, men vi har ännu inte eller bara otydligt hittat deras skelett. | Sökning efter äldre, subtila fossiler med fågeldrag blir mer intressant. |
| Konvergent evolution av fötter | Vissa köttätande dinosaurier utvecklade oberoende en fotform som liknar fåglars. | Forskare måste titta skarpt på parallella anpassningar i gångsätt och ekologi. |
I båda fallen förskjuts diskussionen om timing och sättet på vilket fåglar uppstod från theropoder. Formkontinuiteten hos spår genom tiden pekar på en gradvis anpassning av foten med långa, rakt framåtriktade tår och en effektiv, rak gång.
Vad fotspår berättar om beteende
Utöver ren form ger spår också tips om beteende. När AI:n klustrar rader av avtryck från olika tidsåldrar faller det på att vissa ”fågelliknande” fotformer ofta går ihop med smala gångstigar och relativt stora steg. Det pekar på effektiv, rak rörelse, möjligen lopp eller långvarig gång över öppet terrängområde.
Så uppstår en bild av små till medelstora tvåbenta dinosaurier som korsar landskapet på ett sätt som omedelbart påminner om moderna vadarfåglar eller strutsar. Överlappningen i fotform understödjer jämförelsen.
Science fiction i fickan: medborgare som spårsökare
DinoTracker vill inte bara betjäna akademiker. Appen låter nyfikna vandrare, amatörsamlare och guider i naturområden ladda upp foton av möjliga spår. Algoritmen ger inte en slutgiltig dom, utan en probabilistisk bedömning och en placering i formrummet.
Varje uppladdat spår kan efter verifiering växa till en datapunkt som skärper den globala bilden av dinosaurielokomation.
Den ansatsen öppnar dörren till så kallad medborgarforskning. Regioner med få professionella paleontologer kan således ändå leverera indikationer. Lokala guider vid spårbankar, stenbrott eller bygggravar får ett instrument för att snabbt kolla om ett avtryck är intressant nog för vidare undersökning.
Fördelar och fallgropar vid massiv datainsamling
Fördelarna är uppenbara:
- snabbare upptäckt av nya fyndplatser;
- större geografisk spridning av data inklusive dåligt undersökta områden;
- en mer standardiserad beskrivning av spår globalt;
- mer träningsmaterial till förbättrade AI-modeller framöver.
Det lurar också risker. Felaktigt tolkade naturliga erosionsformer kan förorena databasen, liksom foton med dålig belysning eller fel skala. Därför bygger forskarna in filter såsom kvalitetskontroll och korsjämförelse med befintliga kluster. Endast spår med tillräcklig säkerhet går vidare till de vetenskapliga analyserna.
Längre än fotspår: en ny standard för digital paleontologi
Algoritmen bakom DinoTracker ser i grunden endast på konturer, avstånd och vinklar. Den ansatsen låter sig relativt enkelt tillämpas på andra fossila former. Teamet testar redan användningar på växtavtryck, insektsspår och fragmentariska ben.
För paleontologin innebär detta ett steg mot en mer kvantitativ, standardiserad ansats. Samlingar på museer förvandlas till träningsset. Gamla teckningar eller gipsavgjutningar kan skansas på nytt och tjäna som digitala former. Det passar in i en bredare trend med 3D-skanning, fotogrammetri och öppna databaser.
Där tidigare en specialist använde dagar på att mäta ut en handfull spår kan en algoritm nu på minuter objektivt jämföra tusentals former.
Vad detta betyder för skolelever, museer och hobbyister
Teknologin lämpar sig också för undervisning och förmedling. Museer kan låta besökande leka med virtuella spår: välj ett avtryck, låt AI:n visa de mest liknande fossilerna och jämför gångmönstren. Skolor kan koppla fältbesök med digitala analyser, så barn inte bara ser ”ett dinosauriespår”, utan också lär sig hur forskare tolkar det.
För hobbyister uppstår en ny roll. Istället för att förvara lösa fynd i skjul kan de via standardiserade foton bidra till forskning. Det kräver ordentlig förklaring om skala, kameravinkel och kontext, men den instruktionen passar enkelt i en kort vägledning eller workshop.
En bredare blick på AI i geovetenskaper
DinoTracker-ansatsen illustrerar ett bredare skifte i geovetenskaper: från beskrivande observation till mönsterigenkänning med algoritmer. Jämförbara tekniker understödjer redan igenkänning av jordskred på satellitbilder eller gruppering av fossila tänder. Kärnidén förblir densamma: låt modellen först själv hitta struktur, och koppla den strukturen därefter till befintliga namn och teorier.
För forskare innebär det en annorlunda arbetsprocess. Istället för att direkt namnge arter tittar de först på kluster i formrum, testar hypoteser med simuleringar och söker därefter anatomiska förklaringar. Det tvingar till skarpare definitioner: vad menar vi exakt med ”fågelliknande”? Endast en bestämd fotform, eller också beteende, fjäderdräkt och metabolism?
Den som själv vill igång med sådana data kan göra enkla övningar: till exempel samla silhuetter av fåglar, ödlor och däggdjur, digitalisera deras omriss och låta dem klustras av en öppen källkodsalgoritm. Språnget till äkta fossiler är större, men tankeprincipen förblir densamma. Så växer en generation av forskare som läser både klippa och kod, och via gamla spår ställer nya frågor om fåglars ursprung och dinosauriernas mångfald.
