یکی از امیدوارکننده‌ترین کاربردهای فناوری‌های هوش مصنوعی، شناسایی تومورها از تصاویر پزشکی با وضوح بالا است. آیا می توان از همین تکنیک ها برای کمک به دیرینه شناسان برای تجزیه و تحلیل سریعتر اسکن های مشابه از فسیل دایناسورها استفاده کرد؟ محققان برخی از پاسخ‌های اولیه - و چالش‌های باقی‌مانده - را در مقاله‌ای جدید که در سال انتشار یافت گزارش کردند مرزها در علوم زمین.
بسیاری از آنچه که دانشمندان می توانند از سوابق فسیلی دایناسورها به دست آورند به مورفولوژی بقایای حفظ شده حیوانات متکی است. برای مطالعه ساختار داخلی یک نمونه به طور کلی نیاز به برش بخش های نازک است که به طور موثر نمونه را در این فرآیند از بین می برد. با معرفی فناوری‌های اسکن با وضوح بالا مانند توموگرافی کامپیوتری اشعه ایکس (CT) که اساسا ساختارهای داخلی را در سه بعدی با استفاده از تابش و نرم‌افزار دیجیتال بازسازی می‌کند، تغییر کرد.
در حالی که استفاده از فناوری CT به حفظ نمونه ها و تولید داده های بسیار مفید کمک می کند، تصاویر خود چالش های خاص خود را نشان می دهند. اسکن ها مواد مختلف را بر اساس جذب تابش اشعه ایکس متمایز می کنند - به عنوان مثال، استخوان های فسیل شده در مقابل سنگی که آن را پوشانده است. چگالی های مشابه می تواند تعیین اینکه یک شی از کجا شروع می شود و دیگری کجا به پایان می رسد را بسیار دشوار می کند. این بدان معناست که محققان باید بر تقسیم‌بندی دستی تکیه کنند، فرآیندی که برای طبقه‌بندی بخش‌های مشابه یک تصویر بسیار کار می‌کند.
آزمایش هوش مصنوعی
هوش مصنوعی می‌تواند در عرض چند دقیقه تقسیم‌بندی تصویر را در مقایسه با روزها یا حتی هفته‌ها برای دیرینه‌شناس انجام دهد. سوال این است که آیا یک کامپیوتر می‌تواند بخش‌های وکسل را بر حسب وکسل با یک متخصص آموزش دیده طبقه‌بندی کند. محققان تلاش کردند تا با استفاده از انواع مختلف شبکه های عصبی عمیق، نوعی از مدل هوش مصنوعی که مغز انسان را تقلید می کند، به این موضوع پی ببرند.
این تیم با استفاده از بیش از 10000 سی تی اسکن از سه جمجمه جنینی به خوبی حفظ شده از Protoceratops که نسبت به جنس آشناتر Triceratops کوچکتر است، سیستم های هوش مصنوعی را آموزش و آزمایش کردند. این فسیل ها در دهه 1990 از صحرای گوبی در مغولستان کشف شده بود.
در حالی که این مدل‌ها به خوبی یک انسان عمل نکردند، دقت و سرعت پردازش نشان داد که شبکه‌های عصبی عمیق می‌توانند زمان تمایز فسیل‌ها را از ماتریس‌های سنگی به‌طور قابل توجهی کاهش دهند.
نیاز به داده های بزرگتر، الگوریتم های بهتر
به گفته Congyu Yu، نویسنده اصلی این مطالعه و دکترا، علاوه بر پردازش سریعتر تصویربرداری، استفاده از هوش مصنوعی در دیرینه‌شناسی می‌تواند به ایجاد استانداردهای تحقیقاتی کمک کند. دانشجوی دانشکده تحصیلات تکمیلی ریچارد گیلدر در موزه تاریخ طبیعی آمریکا. دکتر. Mark A. Norell، یکی از نویسندگان مقاله همچنین در AMNH، به دلیل کارش در مورد بررسی پیوندهای تکاملی بین دایناسورها و پرندگان مشهور است.
یو توضیح داد: «محققان مختلف ممکن است تفسیرهای متفاوتی از یک ساختار داشته باشند که منجر به بازسازی های مختلفی از تاریخ تکامل می شود. در برخی موارد، تصاویر CT ممکن است عمداً برای پیروی از یک ایده خاص بازسازی شوند.
با این حال، قبل از اینکه این اتفاق بیفتد، کارهای بیشتری برای انجام دادن وجود دارد. حتی بهترین مدل از آزمایش Protoceratops برای عملکرد خوبی بر روی فسیل‌های دایناسورهای دیگر از همان لایه‌ها و منطقه سنگ تلاش کرد.
یو خاطرنشان کرد: «تعمیم‌سازی همیشه برای کارهای مبتنی بر هوش مصنوعی یک مشکل است» و افزود که محققان به آموزش و آزمایش مدل‌های یادگیری عمیق بر روی تصاویر CT از گونه‌های فسیلی بیشتر و محیط‌های مختلف حفاظتی از حفاری‌های قبلی در مغولستان ادامه می‌دهند.
او گفت: «ما مطمئن هستیم که مدل تقسیم‌بندی فسیل‌های صحرای گوبی دور از دسترس نیست، اما یک مدل تعمیم‌یافته‌تر نه تنها به مجموعه داده‌های آموزشی بیشتر بلکه به نوآوری‌هایی در الگوریتم‌ها نیاز دارد. "من معتقدم که یادگیری عمیق در نهایت می تواند تصاویر را بهتر از ما پردازش کند، و نمونه های مختلفی در عملکرد یادگیری عمیق بیش از انسان ها وجود داشته است، از جمله بازی Go و پیش بینی ساختار سه بعدی پروتئین."
نقل قول: پیشرفت هوش مصنوعی می تواند نحوه تحقیق درباره فسیل دایناسورها را متحول کند (2022، 27 ژانویه) بازیابی شده در 27 ژانویه 2022 از https://phys.org/news/2022-01-ai-breakthrough-revolutionize-dinosaur-fossils.html
این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.
[ad_2]
مقالات مشابه
- به عنوان NASCAR, بازگشت به زندگی, مسابقه, دارلینگتون نوبت 1 خواهد بود یک سفر به ناشناخته
- آب شدن یخ های قطب شمال نهنگ های قاتل را به سمت شمال جذب می کند
- اروپا بازار: سهام اروپا تجارت بالاتر به عنوان سرمایه گذاران لرزش coronavirus شیوع نگرانی
- تواریخ برج خنک کننده
- گزارش اقتصادی: تولید ناخالص داخلی آلمان اسلامپ بیشتر از سال 1970 در سه ماهه دوم
- NYCFC has an Alex Ring problem to solve
- Dolphins’ win over Jaguars comes with odd Ryan Fitzpatrick milestone
- مغلوب ساختن پیشی جستن می گوید: مدارس باید کاملا باز " این سقوط می گوید Fauci نمی دهد 'پاسخ قابل قبول'
- سایت خرید کربن فعال | تجهیز یار
- والت هریس از دست می دهد اولین UFC fight پس از مرگ دختر خوانده