Hi-tech paleontologie
Umělá inteligence hledá na satelitních snímcích fosilie

Hledat drobné fosilie na snímcích pořízených z oběžné dráhy? Na první pohled absurdní myšlenka má racionální základ. Bystré oko paleontologa v terénu sice nic nenahradí, ale analýza satelitních dat může vytipovat lokality, na nichž zkameněliny hledat. A počítač to zvládne lépe než člověk.

Paleontologové satelitní snímky využívají už řadu let. Lze na nich totiž odhalit například odkryvy pískovcových sedimentů a další geologické útvary, které mohou být na fosilie bohaté. Web časopisu Nature upozorňuje, že už koncem 80. let vědci z Kalifornské univerzity díky snímkům pořízeným z paluby raketoplánu vytipovali lokalitu v Etiopii, v níž později našli zuby australopitéků.

Ale prohlížení snímků, které zachycují tisíce kilometrů čtverečních, je pomalé, nepohodlné a důležité krajinné prvky se snadno přehlédnou. Paleontologové z Western Michigan University pod vedením Boba Anemona proto do práce zapojili umělou neuronovou síť, kterou naučili obrazové informace vyhodnocovat. O výsledcích informují v časopise Evolutionary Anthropology.

Počítač se učí

Umělé neuronové sítě dovedou hledat nepravidelnosti nebo charakteristické znaky ve velkém objemu dat. Jsou proto vhodné k analýze obrazu, ale také k rozpoznávání řeči, filtrování spamu nebo optimalizaci nejrůznějších výrobních postupů.

Anemone s kolegy začali se satelitními snímky dobře prozkoumaných oblastí, na nichž označili různé typy terénu. Počítač se díky nim dozvěděl, jak na snímku vypadá pískovcová skála, listnatý les, řeka, mokřad, suťové pole... V dalším kroku vyznačili místa, v nichž už v minulosti byly nalezeny fosilie.

Počítač měl k dispozici snímky ve viditelné i v infračervené části spektra. Díky informacím, které na počátku získal, se mohl naučit hledat mezi miliony pixelů ty, které odpovídaly potenciálně zajímavým místům. Takové učení napodobuje způsob, jímž se během evoluce organismy přizpůsobují svému okolí a vyvíjejí se do nových forem.

Vědci v podobných případech nepracují s jedinou verzí algoritmu nebo umělé neuronové sítě, ale s celou populací, kterou nechávají volně se vyvíjet. V každém kroku vznikají náhodné změny (obdoba genetických mutací) a "jedinci" si mezi sebou vymění část svého kódu (křížení). Do další generace pak s vyšší pravděpodobností postoupí ty varianty, které si s řešením problému poradily nejlépe. "Začneme třeba s populací sta jedinců, a když tenhle proces zopakujeme stotisíckrát, vyvinou se z nich nakonec dobrá řešení," vysvětluje princip evolučních algoritmů Roman Neruda z Ústavu informatiky Akademie věd ČR.

Paleontologové postupovali podobně a nakonec získali neuronovou síť "vyškolenou" k hledání fosilií. Když jí pro kontrolu předložili snímky dobře prozkoumaných oblastí, s nimiž se program nikdy nesetkal, správně identifikoval 79 procent lokalit, o nichž vědci věděli, že obsahují fosilie. Nahlásil přitom velmi málo falešně pozitivních výsledků.

Síť se zatím učila pouze na lokalitách obsahujících zkameněliny savců z doby před asi 50 miliony lety. Její autoři nicméně doufají, že se osvědčí i v jiných oblastech paleontologického výzkumu. V létě 2012 se chystají prozkoumat další místa, která jim software doporučil.