作者：Ewen Callaway，来自自然杂志
著名的南方古猿阿法种骨骼露西，是在 1974 年古人类学家唐纳德·约翰逊在埃塞俄比亚绕道返回他的路虎时意外发现的。这种运气在化石搜寻中永远占有一席之地，但现在人工智能有望提供帮助，此前一个团队训练了一个计算机神经网络来识别卫星图像中的化石遗址。
该网络在一篇发表于《进化人类学》杂志的论文中进行了描述，它独立识别了古生物学家挖掘出哺乳动物化石的几个地点，研究人员现在计划使用其预测来进一步探索怀俄明州大分水岭盆地的遗址。
关于支持科学新闻业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻业 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和思想的具有影响力的故事的未来。
该研究的主要作者，卡拉马祖市西密歇根大学的古生物学家鲍勃·阿内蒙说：“计划是在 2012 年 7 月进行实地验证。”自 1990 年代以来，阿内蒙一直在大分水岭盆地搜寻大约 5000 万年前始新世早期的哺乳动物化石。“我们将去一些我们从未去过，我们不会意识到的地区，看看我们能发现什么，”他说。
过时的方法
现代古生物学家倾向于采用与他们 19 世纪的前辈大致相同的化石搜寻策略：阅读文献以了解其他人在哪里发现了标本，仔细研究地质和地形图，寻找特定年龄的裸露岩石，然后在这些地方漫步，目光注视着地面。
阿内蒙说：“脊椎动物古生物学中运气的角色是传奇性的。” “人们会告诉你，‘有一天我出去撒尿，发现了一块化石。’ 每个人都意识到这有点像碰运气。”
一些化石猎人已经转向卫星成像工具，例如谷歌地球，以集中他们的搜索。从 1980 年代后期开始，来自加州大学伯克利分校的古人类学家蒂姆·怀特和他的团队使用航天飞机拍摄的图像来识别埃塞俄比亚值得步行探索的地区；其中一个地点出土了近 400 万年前的南方古猿牙齿。
另一个伯克利小组，莱斯利娅·赫卢什科和她的团队，已经使用高分辨率卫星图像在坦桑尼亚发现了 28 个包含骨骼或考古文物的遗址。
但是，这些方法仍然需要用肉眼搜索大量的图像，依靠直觉来定位有希望的搜索区域。
为了寻找一种不那么随意的方式来探索覆盖数千平方公里的大分水岭盆地，阿内蒙的团队转向了软件。
像素模式
神经网络学习识别已知数据集中的模式，并可以使用这些模式对其他数据进行预测。它们被用于包括图像识别软件、机器人技术和电子邮件垃圾邮件过滤等应用中。
为了训练他的网络寻找化石，阿内蒙拍摄了大分水岭盆地的卫星图像，并将包括红外线在内的六个光波段的像素分配给不同类型的地形。他还标记了像素是否代表化石遗址。
通过比较“化石”和“非化石”像素的属性，该网络学会了准确区分化石遗址（通常覆盖数百平方米，并在侵蚀的砂岩周围发现）与其他类型的地形，例如森林、灌木丛和湿地。然后，研究人员将该网络应用于来自同一区域但之前未见过的卫星图像。
在不熟悉的图像中，该模型正确识别了 79% 已知代表化石遗址的像素。在其标记的像素中，99% 包含化石。
一旦他们在 Great Divide Basin 训练了网络，研究人员就给它提供了来自不同位置的图像：附近的 Bison Basin，它由更古老的岩石组成。他们将结果与卡内基自然历史博物馆古生物学家克里斯托弗·比尔德提供的化石位置数据进行了比较。计算机正确识别了四个化石遗址，其中包括一个比尔德在研究完成后才告诉阿内蒙团队的遗址。
有针对性的搜索
阿内蒙说，对于前往以前未探索区域的古生物学家来说，这样的工具可能是非常宝贵的。他补充说，从理论上讲，只要首先使用来自地质相似地点的卫星图像进行训练，它就可以在任何地方使用。
位于密苏里州圣路易斯市的华盛顿大学的古人类学家，也是神经网络论文的合著者格伦·康罗伊目前正在使用这种方法寻找可能包含南非约翰内斯堡附近人类摇篮中古代人类化石的洞穴。
阿肯色大学费耶特维尔分校的古人类学家彼得·昂加尔说，随着研究人员确定更多需要探索的区域，“这些方法将变得越来越重要，因为它们将使我们能够更好地针对我们的搜索”，而不会浪费拨款资金。
但他怀疑科学家们会将所有遗址定位的责任都交给计算机化的黑匣子，而是建议他们将使用这些复杂的方法来指导他们自己的直觉。“你永远不会失去直觉，”他说。
本文经《自然》杂志许可转载。该文章首次发表于 2011 年 11 月 8 日。