作者：Ewen Callaway，來自自然雜誌
著名的南方古猿阿法種骨骼露西，是在 1974 年古人類學家唐納德·約翰遜在衣索比亞繞道返回他的路虎時意外發現的。這種運氣在化石搜尋中永遠佔有一席之地，但現在人工智慧有望提供幫助，此前一個團隊訓練了一個計算機神經網路來識別衛星影像中的化石遺址。
該網路在一篇發表於《進化人類學》雜誌的論文中進行了描述，它獨立識別了古生物學家挖掘出哺乳動物化石的幾個地點，研究人員現在計劃使用其預測來進一步探索懷俄明州大分水嶺盆地的遺址。
關於支援科學新聞業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞業 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和思想的具有影響力的故事的未來。
該研究的主要作者，卡拉馬祖市西密歇根大學的古生物學家鮑勃·阿內蒙說：“計劃是在 2012 年 7 月進行實地驗證。”自 1990 年代以來，阿內蒙一直在大分水嶺盆地搜尋大約 5000 萬年前始新世早期的哺乳動物化石。“我們將去一些我們從未去過，我們不會意識到的地區，看看我們能發現什麼，”他說。
過時的方法
現代古生物學家傾向於採用與他們 19 世紀的前輩大致相同的化石搜尋策略：閱讀文獻以瞭解其他人在哪裡發現了標本，仔細研究地質和地形圖，尋找特定年齡的裸露岩石，然後在這些地方漫步，目光注視著地面。
阿內蒙說：“脊椎動物古生物學中運氣的角色是傳奇性的。” “人們會告訴你，‘有一天我出去撒尿，發現了一塊化石。’ 每個人都意識到這有點像碰運氣。”
一些化石獵人已經轉向衛星成像工具，例如谷歌地球，以集中他們的搜尋。從 1980 年代後期開始，來自加州大學伯克利分校的古人類學家蒂姆·懷特和他的團隊使用太空梭拍攝的影像來識別衣索比亞值得步行探索的地區；其中一個地點出土了近 400 萬年前的南方古猿牙齒。
另一個伯克利小組，萊斯利婭·赫盧什科和她的團隊，已經使用高解析度衛星影像在坦尚尼亞發現了 28 個包含骨骼或考古文物的遺址。
但是，這些方法仍然需要用肉眼搜尋大量的影像，依靠直覺來定位有希望的搜尋區域。
為了尋找一種不那麼隨意的方式來探索覆蓋數千平方公里的大分水嶺盆地，阿內蒙的團隊轉向了軟體。
畫素模式
神經網路學習識別已知資料集中的模式，並可以使用這些模式對其他資料進行預測。它們被用於包括影像識別軟體、機器人技術和電子郵件垃圾郵件過濾等應用中。
為了訓練他的網路尋找化石，阿內蒙拍攝了大分水嶺盆地的衛星影像，並將包括紅外線在內的六個光波段的畫素分配給不同型別的地形。他還標記了畫素是否代表化石遺址。
透過比較“化石”和“非化石”畫素的屬性，該網路學會了準確區分化石遺址（通常覆蓋數百平方米，並在侵蝕的砂岩周圍發現）與其他型別的地形，例如森林、灌木叢和溼地。然後，研究人員將該網路應用於來自同一區域但之前未見過的衛星影像。
在不熟悉的影像中，該模型正確識別了 79% 已知代表化石遺址的畫素。在其標記的畫素中，99% 包含化石。
一旦他們在 Great Divide Basin 訓練了網路，研究人員就給它提供了來自不同位置的影像：附近的 Bison Basin，它由更古老的岩石組成。他們將結果與卡內基自然歷史博物館古生物學家克里斯托弗·比爾德提供的化石位置資料進行了比較。計算機正確識別了四個化石遺址，其中包括一個比爾德在研究完成後才告訴阿內蒙團隊的遺址。
有針對性的搜尋
阿內蒙說，對於前往以前未探索區域的古生物學家來說，這樣的工具可能是非常寶貴的。他補充說，從理論上講，只要首先使用來自地質相似地點的衛星影像進行訓練，它就可以在任何地方使用。
位於密蘇里州聖路易斯市的華盛頓大學的古人類學家，也是神經網路論文的合著者格倫·康羅伊目前正在使用這種方法尋找可能包含南非約翰內斯堡附近人類搖籃中古代人類化石的洞穴。
阿肯色大學費耶特維爾分校的古人類學家彼得·昂加爾說，隨著研究人員確定更多需要探索的區域，“這些方法將變得越來越重要，因為它們將使我們能夠更好地針對我們的搜尋”，而不會浪費撥款資金。
但他懷疑科學家們會將所有遺址定位的責任都交給計算機化的黑匣子，而是建議他們將使用這些複雜的方法來指導他們自己的直覺。“你永遠不會失去直覺，”他說。
本文經《自然》雜誌許可轉載。該文章首次發表於 2011 年 11 月 8 日。