L’impronta di un dinosauro è di certo tra i fossili più iconici in assoluto. Ci consente d’immaginare una creatura in corsa, il terreno sul quale si muoveva e, al tempo stesso, riconnetterci a una storia rimasta sospesa milioni di anni fa.
Le tracce però registrano l’interazione tra piede, movimento e substrato (non soltanto l’anatomia), il che rende complesso attribuirle con sicurezza a un gruppo preciso. Per questo da decenni si discute su alcune piste del tardo Triassico-inizio Giurassico, con paleontologi e icnologi che non riescono a trovare una risposta corretta al 100%. Si tratta davvero di uccelli oppure di dinosauri non aviani con piedi simili?
Un nuovo studio propone un modo diverso di affrontare la questione: usare il machine learning senza imporre in partenza etichette umane. Queste infatti rischiano di trasferire gli stessi preconcetti della classificazione tradizionale.
IA senza etichette: nuova lettura di 2.000 impronte
Non è una novità assoluta l’uso di reti neurali supervisionate. Molti lavori le hanno sfruttate, dando in pasto al sistema un set di impronte già classificate dagli esperti. L’algoritmo procede dunque a “imparare” a riconoscere quelle categorie.
Un sistema che funziona, certo, ma presenta anche un considerevole problema: se la classificazione di partenza è sbagliata o semplicemente discutibile, l’errore si propaga e viene “cristallizzato” nella memoria della macchina.
Da qui la necessità di usare l’IA in maniera non supervisionate. L’esperimento sfrutta una rete chiamata disentangled variational autoencoder. Il modello osserva 1.974 silhouette 2D di impronte e prova a capire, da solo, quali siano le dimensioni principali della variazione:
Il risultato che si ottiene è una sorta di “mappa” della morfologia delle tracce. La rete procede dunque a individuare otto fattori che spiegano le differenze più importanti tra le impronte, tra cui:
- area di contatto col suolo;
- apertura delle dita;
- connessione delle dita;
- carico del tallone;
- posizione del carico;
- asimmetrie sinistra-destra.
Una risposta sulle impronte più discusse
Quella descritta, però, non è neanche la parte più interessante. Una volta che l’IA ha costruito il proprio spazio di variazione, senza conoscere anticipatamente a quali creature certe impronte appartengano, i ricercatori etichettano le tracce a posteriori, sfruttando le identificazioni pubblicate in letteratura. Possono dunque verificare quanto il modello concordi con il giudizio umano.
L’accordo nelle visioni è molto alto (in svariate analisi va tra l’80 e il 93%). Le impronte problematiche, quelle somiglianti a tracce di uccelli tra Triassico e primo Giurassico, si raggruppano più vicino a uccelli moderni e fossili che a qualunque altro dinosauro. Al tempo stesso, alcune tridattili del Giurassico medio oscillano tra teropodi e ornitopodi. É evidente, dunque, quanto certe tracce siano davvero “di confine”.
Il caso non viene però di certo chiuso in questo modo. Gli autori stessi infatti ricordano che servirebbero fossili del corpo per poter risolvere definitivamente l’enigma. Le tracce possono infatti essere “ingannate” dal sedimento (umidità, consistenza, profondità), dalla locomozione e dalla conservazione. Il dato però resta: con un’analisi non supervisionate, le somiglianze con gli uccelli emergono comunque.
Cos’è DinoTracker: la ricerca per tutti
Per rendere il metodo più accessibile, lo studio introduce anche DinoTracker, un’app che permette di importare la silhouette di un’impronta e confrontarla con il database. Un assistente analitico che mostra quali caratteristiche pesino di più e quali tracce risultano più vicine nello spazio morfologico.
Il messaggio, alla fine, è doppio: da una parte l’IA può aiutare la paleontologia a classificare meglio ciò che è ambiguo; dall’altra, se usata in modo non supervisionato, può diventare uno strumento per scoprire pattern senza farsi trascinare (troppo) dalle nostre aspettative.
