Från otydliga avtryck till konkret data

Medan forskare förr böjde sig över klippytor med förstoringsglas och måttband, arbetar de idag med dataset och neurala nätverk. Ett internationellt forskarteam använder artificiell intelligens för att analysera dinosauriespår – och upptäcker därigenom slående likheter med fötterna hos nutidens fåglar.

Dinosauriespår ser ofta imponerande ut på fotografier, men i verkligheten är de som regel skadade, nedslitna eller förvrängda av lera och tid. Just denna otydlighet gör det svårt att tillskriva dem en viss art eller grupp. Ändå berättar dessa avtryck mycket om hur djuren rörde sig, hur snabbt de gick och hur deras kroppar var byggda.

Tekniken bakom systemet

Forskare från universitetet i Tübingen, tillsammans med kollegor från Manchester och Berlin, har utvecklat ett AI-system som inte låter sig skrämmas av ofullständiga fossiler. Tekniken är inbyggd i en mobilapp kallad DinoTracker, som både vetenskapsmän och amatörer kan använda för att registrera och analysera spår.

AI:n tittar inte på namn eller etiketter – det är uteslutande avtryckets geometri som avgör vilken grupp ett spår placeras i.

Kärnan i systemet är ett så kallat konvolutionellt neuralt nätverk – samma typ av algoritm som används för ansiktsigenkänning och självkörande bilar. Forskarna tränade det på över 2 000 digitala silhuetter av tretåiga spår från jura- och krittiden, ungefär 200 till 145 miljoner år gamla.

Så här ’läser’ AI:n ett dinosauriespår

Alla spår omvandlades först till exakta konturer, så att detaljer som färg och textur inte spelar någon roll. Därefter beräknar algoritmen automatiskt en rad kännetecken för varje spår:

Vinkeln mellan tårna
Längden på mittentån i förhållande till de övriga
Hälzonens form och utsträckning
Avtryckets symmetri i förhållande till en tänkt mittlinje

Utifrån dessa kännetecken placerar AI:n varje spår i ett morfologiskt ’landskap’ med åtta dimensioner. Det är ett matematiskt rum där avtryck som liknar varandra hamnar nära varandra, medan markant olika spår ligger långt ifrån varandra.

För att göra programvaran mer robust gentemot skadade fossiler utökade forskarna artificiellt det ursprungliga datasetet till över 10 000 varianter av befintliga spår – med små förvrängningar som efterliknar det som kan hända i våt lera eller på en klippyta: en lite bredare tå, ett snett avtryck, en halvt utsuddad häl.

Tester visar att AI:n vid välbevarade spår i ungefär 90 procent av fallen tilldelar samma grupp som mänskliga experter. Vid tveksamma fall förklarar systemet tydligt vilken riktning formen pekar i – utan att binda sig till ett artsspecifikt namn.

Mönstret bestämmer – inte människan

Det som gör systemet anmärkningsvärt är sättet det lär sig på. Många tidigare AI-projekt inom paleontologin använder märkta data, där en expert på förhand har angett vilken dinosaurieart varje spår möjligen kommer från. Algoritmen lär sig sedan att efterlikna dessa etiketter.

Med DinoTracker sker det motsatta. Programvaran ser bara formerna – inga namn, inga kategorier. Algoritmen söker själv efter mönster och grupperingar. Det förhindrar att fel eller oenigheter mellan experter automatiskt blir inbäddade i maskinen.

Genom att ta bort etiketterna uppstår en slags second opinion som inte påverkas av etablerade antaganden om vilka dinosaurier som skulle ha gått var.

Forskarna kan fortfarande i efterhand undersöka vilken grupp som troligen motsvarar vilka djur – men det steget är skilt från själva formigenkänningen. Det ger ibland överraskande samband, till exempel mellan spår från vitt skilda tidsperioder som aldrig tidigare har kopplats samman.

Gamla spår, moderna fågeltår

Det mest iögonfallande resultatet kommer från en serie extremt gamla spår, äldre än 210 miljoner år. I AI:ns morfologiska landskap hamnar de i samma ’grannskap’ som avtryck som starkt påminner om fågeltår: smala, tre tår framåt, liten spridning och tydlig symmetri.

Under lång tid utgick många forskare från att sådana fågelliknande fötter först dök upp mycket senare – grovt räknat i sen jura, när de första urfåglarna började visa sig. AI-analysen tvingar nu till att överväga två möjligheter:

Scenario	Betydelse
Tidigare ursprung för fåglar	Förfäder med fågelliknande fötter gick möjligen redan runt under trias-perioden – långt tidigare än hittills antagit.
Parallell utveckling	Vissa köttätande dinosaurier utvecklade oberoende en fotform som starkt liknar moderna fåglars.

I båda fallen pekar data på ett kontinuerligt förlopp: bestämda fotformer dyker upp om och om igen genom miljontals år och rör sig gradvis i riktning mot den profil vi idag känner från hönor, hägrar och rovfåglar.

AI:n säger inte vilken art som har gjort spåret. Systemet ordnar bara formerna på ett konsekvent sätt. Paleontologer kan sedan använda denna ordning för att testa hypoteser om evolution: stämmer ett tidigare föreslagt stamträd överens med spårens fördelning, eller pekar mönstret på en annan utvecklingsväg?

Från klippvägg till smartphone

Forskarna begränsar sig inte till akademiska dataset. Med DinoTracker-appen vill de involvera tusentals extra ögon: fossilsamlare, amatörgeologer, turister som passerar en kustklint eller besöker en uttorkad flodbädd.

Den som stöter på ett möjligt dinosauriespår kan ladda upp ett foto eller en skiss. AI:n jämför omedelbart formen med den befintliga databasen och visar var avtrycket placerar sig i det morfologiska landskapet. Användarna får inte bara en ’liknar’-poäng, utan också en visuell bild av hur ovanligt eller genomsnittligt deras fynd egentligen är.

Appen förvandlar enstaka fynd till användbara datapunkter: varje spår – även ett otydligt sådant – kan vara en pusselbit i ett större mönster.

Utvalda inskickade fynd hamnar efter kontroll i huvudsamlingen. Därmed växer datasetet löpande – även från regioner där det nästan inte arbetar specialiserade ichnologer, alltså experter på fossila spår. AI:n drar nytta av den tillväxten: ju mer variation den ser, desto finare blir åtskillnaden mellan de enskilda grupperna.

Vad detta genombrott betyder för paleontologin

Snabbare analyser och färre fackliga diskussioner

Paleontologi är ett ämne som i hög grad handlar om tolkning: två forskare kan titta på samma spår och nå olika slutsatser. Den nya metoden erbjuder en objektiv referenspunkt. När flera spår från olika länder hamnar i exakt samma morfologiska kluster blir det svårare att behandla dem som helt olika typer.

Tillvägagångssättet hjälper också vid tveksamma fynd i museisamlingar. Gamla fynd med oklara etiketter eller ofullständig dokumentation kan köras genom AI:n på nytt. Resultatet säger inte automatiskt vilken art det rör sig om, men visar vilka former de liknar och om tidigare klassificeringar ger mening.

Mot en digital atlas över dinosauriespår

Forskarna tänker längre än bara fotavtryck. Grundprincipen – ren formigenkänning utan etiketter – kan användas för alla möjliga slags fossila lämningar. Exempel inkluderar:

Bladavtryck som ger information om tidigare klimat
Gångar och krypspår från ryggradslösa djur
Fragmentariska ben som är för små för klassisk analys

Om dessa data ordnas på motsvarande sätt uppstår med tiden en digital atlas över fossila former. Forskarna kommer därmed långt snabbare att kunna se vilka strukturer som upprepas genom tid och rum, var nya former plötsligt uppstår och var utvecklingslinjer uppenbarligen bryts av.

Vad är egentligen dinosauriespår?

Dinosauriespår hör till kategorin ichnofossiler: spår efter beteende snarare än rester av själva kroppen. Det rör sig om avtryck i lera eller sand som sedan har hårdnat till sten. Utifrån en rad spår kan man utläsa rörelseriktning, stegläng och ibland till och med gånghastighet.

Genom att kombinera flera spårförlopp rekonstruerar forskare exempelvis flockar som rörde sig längs en bred front, jaktscenarier med rovdjur och bytesdjur eller häckningsområden med många unga djur. Den nya AI-metoden stärker den sortens analyser genom att koppla spår på formnivå till besläktade fottyper på andra platser i världen.

För amatörer som själva vill ut och leta: inte varje märke i sten är ett dinosauriespår. Torksprickor, rotgångar och erosionsmönster kan se förvånansvärt trovärdiga ut. Har man hittat något misstänkt kan en app som DinoTracker användas för en snabb första koll – varefter experter kan bedöma om platsen förtjänar närmare undersökning.

Utvecklingen av denna typ av AI-verktyg visar hur snabbt paleontologin digitaliseras. Klassiskt fältarbete är fortfarande oumbärligt, men får nu ett digitalt förlängningsstycke som synliggör mönster som är för subtila eller för spridda för det mänskliga ögat. Just vid något så flyktigt som ett fotavtryck – som uppstår i ett enda steg och återfinns med möda miljontals år senare – gör det en stor skillnad.