Прорыв в ИИ может революционизировать исследование окаменелостей динозавров

Исследователи изучили возможность применения технологий искусственного интеллекта для анализа компьютерных томограмм окаменелостей динозавров. Результаты и текущие проблемы описаны в новой статье в Frontiers in Earth Science.

Изучение внутренней структуры окаменелостей традиционно требовало разрушающих методов, таких как изготовление тонких срезов. Высокоразрешающая рентгеновская компьютерная томография (КТ) изменила это, позволяя создавать 3D-реконструкции. Однако анализ самих КТ-изображений сложен: схожая плотность породы и окаменелости затрудняет определение их границ, что вынуждает исследователей проводить трудоемкую ручную сегментацию изображений.

Проверка возможностей ИИ

ИИ способен выполнять сегментацию изображений за минуты, в отличие от дней или недель ручной работы. Ученые проверили, могут ли глубокие нейронные сети классифицировать участки изображения (воксель за вокселем) на уровне обученного специалиста.

Команда обучила и протестировала системы ИИ на более чем 10 000 КТ-сканах трех хорошо сохранившихся черепов эмбрионов протоцератопса — меньшего родственника трицератопса. Окаменелости были найдены в 1990-х годах в пустыне Гоби в Монголии.

Модели показали точность немного ниже человеческой, но продемонстрировали, что глубокие нейронные сети могут значительно сократить время, необходимое для отделения окаменелостей от вмещающей породы.

Потребность в больших данных и лучших алгоритмах

По словам ведущего автора исследования Конгю Ю, аспиранта Американского музея естественной истории, использование ИИ в палеонтологии, помимо ускорения обработки, может помочь установить единые исследовательские стандарты и выявлять случаи научных фальсификаций.

Однако предстоит еще много работы. Даже лучшая модель, обученная на сканах протоцератопса, плохо справлялась с окаменелостями других динозавров из того же региона и геологического слоя.

«Обобщаемость всегда является проблемой для задач на основе ИИ», — отметил Ю. Исследователи продолжают обучать и тестировать модели на КТ-изображениях большего числа таксонов окаменелостей из различных условий захоронения.

«Мы уверены, что модель для сегментации окаменелостей из пустыни Гоби появится в ближайшее время, но для более универсальной модели нужны не только большие наборы данных для обучения, но и инновации в алгоритмах», — заключил он.