Identificación de variaciones en huellas de dinosaurios y clasificación de especímenes problemáticos mediante...

Área de la Ciencia:

• Paleontología; Aprendizaje automático; Biología evolutiva

Sus antecedentes:

• La clasificación tradicional de fósiles se basa en métodos supervisados, que pueden introducir sesgos del investigador.
• El aprendizaje automático ofrece potencial para la identificación objetiva de fósiles y la resolución de debates paleontológicos.

Objetivo del estudio:

• Aplicar una técnica de aprendizaje automático no supervisado para clasificar huellas de dinosaurios.
• Identificar objetivamente los productores de huellas y resolver debates sobre los orígenes de las primeras aves y ornitópodos.

Principales métodos:

• Se utilizó una red de autoencoder variacional desentrelazado en una base de datos de 1.974 huellas de dinosaurios.
• Se identificaron ocho características clave de variación de forma que diferencian las huellas.
• Se etiquetaron a posteriori las huellas y se analizó el morfoespacio utilizando métricas de distancia.

Principales resultados:

• Se logró un acuerdo del 80-93% con las identificaciones de expertos después del análisis no supervisado.
• Se clasificaron huellas de aves del Triásico Tardío-Jurásico Temprano con aves modernas y fósiles.
• Se agruparon huellas de tres dedos del Jurásico Medio con ornitópodos, lo que sugiere orígenes más tempranos.

Conclusiones:

• El aprendizaje automático no supervisado proporciona un método robusto y menos sesgado para el análisis de huellas fósiles.
• Los hallazgos respaldan un origen evolutivo más temprano para las aves y los ornitópodos de lo que indicaban previamente los fósiles corporales.
• La aplicación DinoTracker y el código fuente facilitan una aplicación más amplia de esta técnica.