Досліджуючи таємничі зуби, моделі машинного навчання були використані для ідентифікації найдавніших скам’янілостей теризинозаврів, виявлених на сьогодні у Британії. Теризинозаврів вперше впізнали за скам’янілостями, виявленими у Великій Британії, завдяки їхнім зубатим залишкам, які були виявлені в Оксфордширі, Глостерширі та Дорсеті.
Дослідники з Музею природної історії та коледжу Біркбек навчили комп’ютерні моделі розпізнавати таємничі зуби за допомогою передових методів машинного навчання, що відсунуло походження деяких членів групи приблизно на 30 мільйонів років назад, повідомляє NHM.
«Попередні дослідження припускали, що маніраптори були приблизно в середньому юрському періоді, але фактичні скам’янілості були неоднозначними та суперечливими. Разом зі скам’янілостями, знайденими в інших місцях, це дослідження свідчить про те, що група вже досягла глобального поширення на той час», – сказав Саймон Уіллс, доктор філософії студент Природничого музею, який керував дослідженнями.
«Зуби, які ми проаналізували, включають єдині на даний момент скам’янілості троодонтидів і теризинозаврів, коли-небудь зареєстровані у Великобританії, і є найдавнішими доказами існування цих динозаврів у будь-якій точці світу», – додав він.
Моделі машинного навчання можуть розпізнавати ізольовані зуби
Терізинозавр, чималий травоїдний динозавр пізньої крейди, вирізнявся своїми довгими кігтями, які нагадували леза ножиць. Ці доісторичні види були включені в останній фільм «Світ Юрського періоду» через їх характерний зовнішній вигляд.
Хоча попередні дослідження намагалися класифікувати ізольовані зуби за допомогою кількох статистичних методів, це не завжди вдавалося. Автори нинішнього дослідження намагалися посилити це після того, як продемонстрували, що моделі машинного навчання можуть розпізнавати окремі зуби відомих видів з високою точністю.
«Використання машинного навчання в палеонтології хребетних все ще знаходиться в зародковому стані, хоча його використання зростає», — каже Саймон.
«Головним недоліком є потреба у всебічному наборі навчальних даних для навчання моделей. У нашому дослідженні нам пощастило, що вже є відносно великий набір даних про вимірювання зубів динозаврів, який ми можемо використовувати для навчання моделей», — додає Саймон.