Egy nemrégiben lezajlott vizsgálat során a kutatók arra voltak kíváncsiak, hogy a mesterséges intelligencia képes-e olyan összetett feladatokat elvégezni, mint egy képzett paleontológus.
A mesterséges intelligencia-technológiák egyik legnagyobb előnye az lehet, hogy a daganatok azonosítására szolgáló nagy felbontású orvosi felvételek segítségével sokkal pontosabb és gyorsabb diagnózisokat lehet majd felállítani.
Vajon ugyanezeket a technikákat fel lehet-e használni arra, hogy a paleontológusok gyorsabban elemezhessék a dinoszaurusz-fosszíliák hasonló felvételeit? A kutatók a Frontiers in Earth Science című szaklapban megjelent új tanulmányban számoltak be néhány korai megállapításról, és a fennmaradó kihívásokról is egyaránt.
A tudósok a dinoszauruszok fosszilis emlékeiből sok mindent a megőrzött maradványok morfológiájára – élőlények külső alakjának, kinézetének, tagolódásának vizsgálata – alapoznak. Egy példány belső szerkezetének tanulmányozásához általában vékony szelvényeket kell vágni, ami gyakorlatilag tönkreteszi a mintát. Ez megváltozott a nagy felbontású szkennelési technológiák, például a röntgen komputertomográfia (CT) bevezetésével, amely alapvetően három dimenzióban rekonstruálja a belső struktúrákat sugárzás és digitális szoftverek segítségével.
Míg a CT-technológia használata segít megőrizni a mintákat és képes nagyon hasznos adatokat generálni, maguk a képek új kihívásokat hordoznak magukban. A hasonló sűrűségek miatt rendkívül nehéz lehet meghatározni, hol kezdődik az egyik minta, és hol végződik a másik. Ez azt jelenti, hogy a kutatóknak a „manuális vizsgálatra” kell hagyatkozniuk, ami egy munkaigényes folyamat.
A mesterséges intelligencia percek alatt képes elvégezni a képszegmentálást, míg egy paleontológusnak napokba vagy akár hetekbe telik megcsinálni ugyanezt. A kérdés az, hogy a számítógép képes-e voxelről voxelre osztályozni a metszeteket úgy, mit egy képzett szakember. A kutatók ezt különböző típusú mély neurális hálózatokkal próbálták kideríteni, amely az emberi agyat utánzó mesterséges intelligenciamodellek egyik típusa.
A csapat több mint 10 000 CT-felvételen képezte ki és tesztelte az AI-rendszereket három jól megőrzött embrionális koponyán, amelyek egy Protoceratopsból származnak. A fosszíliák az 1990-es években kerültek elő a mongóliai Góbi-sivatagból.
Bár a modellek nem teljesítettek olyan jól, mint egy ember, a pontosság és a feldolgozási sebesség megmutatta, hogy a mély neurális hálózatok jelentősen csökkenthetik a fosszíliák kőzetmátrixokból történő megkülönböztetésének idejét.
Congyu Yu, a tanulmány vezető szerzője, az Amerikai Természettudományi Múzeum Richard Gilder Graduate Schooljának PhD-hallgatója szerint a gyorsabb képfeldolgozás mellett a mesterséges intelligencia alkalmazása a paleontológiában segíthet a kutatási szabványok kialakításában.
A szakemberekre azonban még nagyon sok munka vár. Még a Protoceratops-teszt legjobb modellje is nehézkésen teljesített más, ugyanabból a kőzetrétegből és régióból származó dinoszaurusz fosszíliákon.
Az általánosítás mindig problémát jelent a mesterséges intelligencia-alapú feladatok esetében
– jegyezte meg Yu, hozzátéve, hogy a kutatók továbbra is folytatják a mélytanulási modellek betanítását és tesztelését.
Forrás: Phys.org
