怀俄明州弗雷特峡谷—在酷热的沙漠沙地上，研究人员手脚并用地爬行，避开散落在地上的拳头大小的仙人掌。他们的目标：收集一些已知最早的灵长类动物的骨骼和牙齿，以阐明通向人类进化谱系根源的适应性。然而，这些化石只有指甲大小或更小，散布在怀俄明州大分水岭盆地岩石沙漠中约 10,000 平方公里的区域内。
这是一片广阔的区域，尤其是在四肢着地和酷热的环境下。因此，科学家们正在依赖一种古生物学中从未尝试过的工具：人工智能。这种方法可能能够在他们大海捞针般的探寻中精确定位化石宝藏，并为化石搜寻提出新的策略。接下来，他们需要在沙漠中漫步，看看他们的创新是否让他们白跑一趟。
通常，发现化石很大程度上取决于运气。古生物学家可以根据经验猜测在哪里搜索——例如，沿着干涸的河床跋涉，寻找可能从山坡上侵蚀下来的骨骼——但他们主要依靠四处走动，看看有什么吸引眼球的东西。如果他们幸运的话，他们可以乘坐石油和天然气公司开辟的土路上颠簸的吉普车来覆盖地面。无论如何，传统方法可能具有挑战性、耗时且徒劳无功。
支持科学新闻报道
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报道： 订阅。通过购买订阅，您将有助于确保未来有关塑造我们当今世界的发现和想法的有影响力的故事。
越来越多的古生物学家依靠技术来缩小他们寻找化石的范围。例如，谷歌地球帮助识别了南非的地点，这些地点包含古代人族南方古猿源泉种的化石。
但是，古生物学家罗伯特·阿内莫内和西密歇根大学的遥感专家杰伊·爱默生及其同事并没有用肉眼检查卫星图像以寻找潜在的地点，而是开发了一种方法，使用人工神经网络（一种模仿大脑学习方式的计算机系统）来自动化操作。他们的目的是利用大脑（无论是天然的还是人工的）快速学习和识别模式的方式，例如化石的样子。
训练人工大脑
人工神经元是计算机程序的组成部分，它们模仿真实神经元，因为每个神经元都可以发送、接收和处理信息。研究人员首先通过向人工神经元输入数据，并让他们知道他们的计算何时解决了给定的问题（例如阅读手写或识别语音）来训练网络。然后，网络会改变这些神经元之间连接的模式，以改变它们相互通信和协同工作的方式。通过这样的实践，网络会找出哪些神经元之间的排列最适合计算所需的答案。
石溪大学的古生物学家约翰·弗利格尔说，神经网络展现了定位富含化石地点的希望，“无需在数英里荒凉的露头上行走”。“它可以节省大量的时间和野外作业费用。”
这就是为什么阿内莫内和他的同事带着一台在笔记本电脑上运行的神经网络来到怀俄明州沙漠的原因。它分析了大分水岭盆地的可见光和红外光卫星和航空图像，其中包括 100 个已知的化石地点。他们首先让网络知道其中 75 个区域富含化石，以便它可以学习这类地点的样子。当他们让它搜索其他 25 个地点时，它正确地识别了其中的 20 个，这增加了它能够识别新候选地点的希望。
填补灵长类动物记录中的空白
研究人员正在寻找追溯到晚古新世和始新世早期的化石，大约在 5500 万到 5000 万年前，当时落基山脉刚刚开始隆起，气候平均而言比今天温暖潮湿得多。当时，一个大型淡水湖占据了挖掘区域，溪流从周围的山脉流入湖中。该地区是鳄鱼、乌龟、蜥蜴、鱼类和大量哺乳动物的家园，包括非常原始的啮齿动物、马和蝙蝠，以及类似于现代狐猴、眼镜猴、懒猴和婴猴的灵长类动物。
今天，该地区主要是干燥的鼠尾草灌木丛，遍布沟壑、孤丘和沙丘。叉角羚在汽车旁边奔跑，成群的麋鹿偶尔会在汽车前面冲过。漫游的种马在早晨用雷鸣般的喷鼻声迎接露营者，猎鹰偶尔会俯冲向游客，让他们远离鸟巢。该地区似乎幸运地没有毒蛇，但雷暴可能会摧毁帐篷，并用可能困住卡车的湿滑泥浆堵塞小路。
自 1994 年以来，科学家们一直在该沙漠中工作，并从现在已知的 100 个地点挖掘出大约 10,000 块哺乳动物化石。即便如此，德克萨斯大学奥斯汀分校的古生物学家布雷特·纳克曼评论说，“就古代灵长类动物而言，这个盆地长期以来一直是地图上的空白区域”。还需要更多的哺乳动物化石。
网络推荐
阿内莫内的神经网络指出了几个可以搜索的地点。最初，这些地点被证明是徒劳的——科学家们在最初推荐的地点挖掘出了许多化石，但不是他们想要的那种。研究人员让神经网络在过去的地质调查宣布属于瓦萨奇组的区域（以前的湖岸和河岸区域，他们期望在那里挖掘出灵长类动物化石）中寻找化石。但是，当到达最初的十几个左右的地点时，很明显最初的调查是错误的。相反，这些地点实际上位于绿河组——以前的湖床区域，那里有许多水生化石，但哺乳动物骨骼很少。
然而，在去年夏天野外工作的倒数第二天，研究人员查看了另外三个建议的地点，他们确信这些地点位于瓦萨奇组。在看似平坦的沙漠中徒步跋涉约一个小时后，他们偶然发现布满巨石的洼地，在那里他们发现了一批哺乳动物化石，包括来自已灭绝的五趾马始祖马的牙齿。
阿内莫内说：“这是人工智能神经网络首次成功用于寻找化石的测试。”“它直接引导我们穿过了鼠尾草灌木丛。”
有趣的是，这三个地点是土壤中的洼地，从地面远处几乎看不见，这与研究人员通常检查化石的山丘不同。“如果没有神经网络，我们永远不会找到这些地点——它们太偏僻和隐蔽了，”阿内莫内说。“我曾担心神经网络是否会起作用，”他补充道。“把那些化石挖出来感觉真好。”
超越黑匣子
弗利格尔警告说，神经网络本质上是黑匣子——人们永远无法确定系统是如何得出结论的。他说：“最好知道该算法实际使用哪些特征来识别化石区域。”“它们是否与地质学家也可以从地图或野外识别出的特征相同？”
因此，科学家们将神经网络仅仅视为通往更分析性的化石搜寻方法的垫脚石。事实上，阿内莫内和他的同事现在正在直接扫描化石地点在可见光和红外光下的外观，希望他们可以自己预测这些地点与其他区域可能存在的差异。除了大分水岭盆地，他们希望在非洲开展此类研究，可能有助于寻找猴子甚至早期人族的化石。
尽管该团队将不再依赖神经网络，但阿内莫内认为它在证明计算机模型可以找到化石方面是无价的。他们由人工智能引导的奥德赛表明，远程探测化石是可能的——现在是人类智能引领潮流，创造一种新的、更好的方式来预测化石隐藏在哪里的时候了。阿内莫内说：“古生物学的未来在于这项技术。”