一个多世纪以来，恐龙足迹既是宝贵的财富，也是令人头疼的问题。它们是我们所掌握的动物在真实环境中活动的直接证据之一，但同时也是出了名的难以解读。
脚印不仅仅是脚的“印记”。它是柔软泥土被挤压、脚趾滑动、边缘坍塌以及后来侵蚀重塑形状的记录。
这就是为什么研究人员可以观察同一足迹，但仍然会争论它究竟是来自捕食者、食草动物，还是介于两者之间的某种动物。
一项新的研究表明，人工智能可以帮助解决这种混乱局面。
研究人员开发了一款名为 DinoTracker 的工具，这是一款移动应用程序，用户可以上传恐龙足迹的照片（甚至是草图），并立即分析出可能是哪种恐龙留下的足迹。
恐龙足迹令科学家困惑
足迹化石的形成并非一成不变。即使两只动物的足部结构相同，也会因为沉积物、湿度、移动速度以及地面在它们重量作用下的变形程度等因素而留下截然不同的足迹。
此外，脚印形成后也会发生变化。沉积物会压实，边缘会崩塌，后来的风化作用会抹去或放大细节。
正因如此，传统的足迹研究往往依赖于专家的判断以及与已知案例的仔细比较。
许多早期的计算机方法依赖研究人员手动整理数据集。
在这些数据集中，研究人员需要将足迹分配给特定的恐龙，这一步骤可能会引入偏差或强化某些假设。
人工智能经过训练能够“识别”变化
DinoTracker 背后的团队由柏林亥姆霍兹研究中心的研究人员领导，并与爱丁堡大学的同事合作。
他们没有试图将足迹强行归入过于整齐的类别，而是训练算法来识别足迹在现实中是如何变化的。
该人工智能从近 2000 个真实的化石足迹中学习，但它也通过数百万个模拟变体进行训练，这些变体旨在模仿自然界中发生的事情。
这些额外的版本重现了诸如压缩、边缘位移和其他失真等效果。
这些变化会导致同样的图像在不同的网站上呈现出不同的效果。
由此，该系统学会了关注一系列关键特征，即使印刷不完美，也能帮助区分轨道制造商。
该研究描述了诸如脚趾张开的程度、脚后跟的位置、接触面积的大小以及脚着地时重量的分布情况等特征。
当人工智能与专家意见一致时
训练完成后，通过将该模型与现有的化石足迹进行比较，来测试该模型预测哪种恐龙可能留下了足迹。
文章称，该算法与人类专家做出的分类结果达到了约 90% 的一致性，包括一些通常存在争议的案例。
但这并不意味着人工智能在某种绝对意义上是“正确”的。足迹可能存在歧义，古生物学通常采用的是证据最充分的解释，而非绝对的确定性。
但是，一个性能达到这种水平的系统可以作为一致的第二意见，并突出显示哪些赛道值得更深入的研究。
看起来像鸟类的恐龙足迹
其中一项最引人入胜的发现来自距今超过2亿年的古老足迹。人工智能识别出几个具有异常鸟类特征的足迹，这些足迹与已灭绝和现代鸟类的足迹相似。
研究人员提出了两种可能性。要么鸟类的起源可能比许多时间线所假设的要早数千万年，要么一些早期恐龙的脚碰巧与鸟类的脚非常相似。
这项结果并不能终结这场争论，但它强化了这样一种观点：足迹可能包含一些被低估的信号。
苏格兰的赛道将被重新审视
该系统还对苏格兰斯凯岛上一些令人费解的足迹进行了重新分析。这些足迹大约形成于1.7亿年前，位于泻湖的泥泞岸边，一直以来都很难确定它们属于哪个特定的恐龙类群。
研究人员表示，人工智能指出，鸭嘴龙的一些已知最古老的近亲是足迹制造者。
如果这种解释成立，它可能会改变科学家们对该谱系何时何地开始传播的看法。
将人工智能应用于真实赛道
DinoTracker 不仅仅是一个研究演示程序；它的设计用途更为广泛。足迹是人们在野外最常遇到的恐龙遗迹之一，而一款易于使用的工具可以帮助科学家和公众。
在研究领域，它可以帮助快速筛选大量足迹，并识别不同地点间的模式。在教育领域，它将足迹转化为互动式体验，而不仅仅是简单的描述。
对于实地考察而言，它提供了一种快速现场检验假设的方法，尤其是在那些传统上依赖于有经验的人来解读足迹的地方。
“这项研究对古生物学做出了令人兴奋的贡献，它提供了一种客观、数据驱动的方法来对恐龙足迹进行分类，”爱丁堡大学的古生物学家史蒂夫·布鲁萨特说。
“它为我们了解这些神奇动物的生活方式和迁徙方式，以及鸟类等主要类群的首次进化时间，开辟了令人兴奋的新可能性。”
化混乱为意义
恐龙足迹研究或许永远无法完全靠一款应用程序来解决。足迹杂乱无章，而且过去的历史也没有标签。但这项研究指出了一个有价值的信息：一种将变异视为信息而非噪音的工具。
如果 DinoTracker 能够可靠地识别真实足迹的变形情况，并仍然将它们与可能的足迹制造者联系起来，那么它就能加快研究速度，扩大参与范围，并将辩论推向更坚实的基础。
或许它还有另一层作用：它让远古世界感觉更触手可及。足迹是动物与脚下土地接触的瞬间。
如果我们能够更清晰地解读这些时刻，我们就能更接近于了解恐龙实际是如何生活、移动和进化的。
一个多世纪以来，恐龙足迹既是宝贵的财富，也是令人头疼的问题。它们是我们所掌握的动物在真实环境中活动的直接证据之一，但同时也是出了名的难以解读。
脚印不仅仅是脚的“印记”。它是柔软泥土被挤压、脚趾滑动、边缘坍塌以及后来侵蚀重塑形状的记录。
这就是为什么研究人员可以观察同一足迹，但仍然会争论它究竟是来自捕食者、食草动物，还是介于两者之间的某种动物。
一项新的研究表明，人工智能可以帮助解决这种混乱局面。
研究人员开发了一款名为 DinoTracker 的工具，这是一款移动应用程序，用户可以上传恐龙足迹的照片（甚至是草图），并立即分析出可能是哪种恐龙留下的足迹。
恐龙足迹令科学家困惑
足迹化石的形成并非一成不变。即使两只动物的足部结构相同，也会因为沉积物、湿度、移动速度以及地面在它们重量作用下的变形程度等因素而留下截然不同的足迹。
此外，脚印形成后也会发生变化。沉积物会压实，边缘会崩塌，后来的风化作用会抹去或放大细节。
正因如此，传统的足迹研究往往依赖于专家的判断以及与已知案例的仔细比较。
许多早期的计算机方法依赖研究人员手动整理数据集。
在这些数据集中，研究人员需要将足迹分配给特定的恐龙，这一步骤可能会引入偏差或强化某些假设。
人工智能经过训练能够“识别”变化
DinoTracker 背后的团队由柏林亥姆霍兹研究中心的研究人员领导，并与爱丁堡大学的同事合作。
他们没有试图将足迹强行归入过于整齐的类别，而是训练算法来识别足迹在现实中是如何变化的。
该人工智能从近 2000 个真实的化石足迹中学习，但它也通过数百万个模拟变体进行训练，这些变体旨在模仿自然界中发生的事情。
这些额外的版本重现了诸如压缩、边缘位移和其他失真等效果。
这些变化会导致同样的图像在不同的网站上呈现出不同的效果。
由此，该系统学会了关注一系列关键特征，即使印刷不完美，也能帮助区分轨道制造商。
该研究描述了诸如脚趾张开的程度、脚后跟的位置、接触面积的大小以及脚着地时重量的分布情况等特征。
当人工智能与专家意见一致时
训练完成后，通过将该模型与现有的化石足迹进行比较，来测试该模型预测哪种恐龙可能留下了足迹。
文章称，该算法与人类专家做出的分类结果达到了约 90% 的一致性，包括一些通常存在争议的案例。
但这并不意味着人工智能在某种绝对意义上是“正确”的。足迹可能存在歧义，古生物学通常采用的是证据最充分的解释，而非绝对的确定性。
但是，一个性能达到这种水平的系统可以作为一致的第二意见，并突出显示哪些赛道值得更深入的研究。
看起来像鸟类的恐龙足迹
其中一项最引人入胜的发现来自距今超过2亿年的古老足迹。人工智能识别出几个具有异常鸟类特征的足迹，这些足迹与已灭绝和现代鸟类的足迹相似。
研究人员提出了两种可能性。要么鸟类的起源可能比许多时间线所假设的要早数千万年，要么一些早期恐龙的脚碰巧与鸟类的脚非常相似。
这项结果并不能终结这场争论，但它强化了这样一种观点：足迹可能包含一些被低估的信号。
苏格兰的赛道将被重新审视
该系统还对苏格兰斯凯岛上一些令人费解的足迹进行了重新分析。这些足迹大约形成于1.7亿年前，位于泻湖的泥泞岸边，一直以来都很难确定它们属于哪个特定的恐龙类群。
研究人员表示，人工智能指出，鸭嘴龙的一些已知最古老的近亲是足迹制造者。
如果这种解释成立，它可能会改变科学家们对该谱系何时何地开始传播的看法。
将人工智能应用于真实赛道
DinoTracker 不仅仅是一个研究演示程序；它的设计用途更为广泛。足迹是人们在野外最常遇到的恐龙遗迹之一，而一款易于使用的工具可以帮助科学家和公众。
在研究领域，它可以帮助快速筛选大量足迹，并识别不同地点间的模式。在教育领域，它将足迹转化为互动式体验，而不仅仅是简单的描述。
对于实地考察而言，它提供了一种快速现场检验假设的方法，尤其是在那些传统上依赖于有经验的人来解读足迹的地方。
“这项研究对古生物学做出了令人兴奋的贡献，它提供了一种客观、数据驱动的方法来对恐龙足迹进行分类，”爱丁堡大学的古生物学家史蒂夫·布鲁萨特说。
“它为我们了解这些神奇动物的生活方式和迁徙方式，以及鸟类等主要类群的首次进化时间，开辟了令人兴奋的新可能性。”
化混乱为意义
恐龙足迹研究或许永远无法完全靠一款应用程序来解决。足迹杂乱无章，而且过去的历史也没有标签。但这项研究指出了一个有价值的信息：一种将变异视为信息而非噪音的工具。
如果 DinoTracker 能够可靠地识别真实足迹的变形情况，并仍然将它们与可能的足迹制造者联系起来，那么它就能加快研究速度，扩大参与范围，并将辩论推向更坚实的基础。
或许它还有另一层作用：它让远古世界感觉更触手可及。足迹是动物与脚下土地接触的瞬间。
如果我们能够更清晰地解读这些时刻，我们就能更接近于了解恐龙实际是如何生活、移动和进化的。
