AIは古生物学者が化石化した足跡から恐竜を特定するのに役立ちます

恐竜の足跡に対する新しい視点：古生物学と人工知能

古生物学者は骨格だけでなく、「生きた」印象―史前動物の活動痕跡を化石化したもの―も研究しています。しかし、こうした足跡の認識は困難です。しばしばぼやけており、群れに存在するか、堆積岩で覆われているため、正確な所有者の特定がほぼ不可能になることがあります。

ドイツの研究者たちは人工知能を使ってこの課題を解決しました。彼らは約2000枚の恐竜足跡画像（地球史150百万年にわたるもの）をシステムにアップロードし、アルゴリズムに8つの主要特徴を抽出させました。このパラメータにより、動物種を特定するだけでなく、その動きの詳細も復元できます。

AIが具体的に考慮した項目は？
| 特徴 | 説明 |
|---|---|
| 足跡への総重量負荷 | 恐竜が歩行時にかけた重さ |
| 形状と接触面積 | 脚部が表面にどう接触したか |
| 体の配置 | 歩行中の身体位置 |
| バランスと質量分布 | 重心と重量配分 |
| 指間距離 | 足跡内の指の間隔 |
| 足幅 | 種類識別に重要な足幅 |
| 指先の固定度 | 指が足にどれだけ結合していたか |
| 「ヒール」構造とその影響 | ヒール部の形状と足跡への影響 |
| ヒール位置と圧力程度 | 後ろ足部分がどれほど押しつぶされたか |
| 前後の圧力バランス | 親指とヒール間の重量配分 |
| 左右差異 | 左右足跡の違い |
| 右左足跡形状比較 | 右足跡と左足跡の形状比較 |

なぜ重要なのか？
AI導入以前は、多くの足跡が高い不確実性でしか特定できませんでした。従来の方法では、動きの種類、土壌湿度・構造、長期的な堆積岩被覆とその後の侵食など多くの変数を考慮していました。これらは複雑な「探偵」課題を作り出します。

新しいアルゴリズムのおかげで、科学者たちは「シンデレラの靴底」のようなツール―恐竜種と足跡をより正確に結びつける手段―を得ました。これは骨格が足跡と近くにあることが稀であるため、特に価値があります。

実践的成果
一例として、南アフリカで発見された約2億1000万年前の三本足恐竜の足跡があります。以前は現代鳥類の祖先が約6000万年後に出現したと考えられていました。AIはこれら小さな三足動物が羽毛を持つ早期親族であったという仮説を裏付け、鳥類特性の進化時期を再検討しました。

このように、人工知能は単に足跡分析を加速するだけでなく、史前生物の行動と生物学理解の新たな視野を開きます。