利用机器学习来分析化石

机器学习和人工智能的出现可以追溯到4亿年前，以重新评估我们的化石记录。过去，我们习惯于打开化石，在显微镜下观察。但从那以后，科学家们已经意识到，化石中也存在着数百万年前该实体活着时存在的一些原始化学物质。一种叫做“红外光谱”的技术可以利用红外光来观察和量化这些物质。因此，研究人员现在更进一步，开发了一种系统，可以使用这些化学物质的相对成分来确认生物样本可能是什么。机器学习算法在苏格兰保存完好的Rhynie Chert化石上进行了测试，并以惊人的准确性识别了它们。那么，使用机器学习的优势是什么?项目的下一步是什么?Will Tingle采访了爱丁堡大学的Corentin Loron。

Corentin -使用机器学习，计算机算法统计，所有这些工具，你可以深入到你亲眼所见的背后，并获得非常微小的细节，如果你只是定性分析你的数据，你就会错过这些细节。我的意思是，红外光谱并不是什么新鲜事物。新颖之处在于将机器学习与红外光谱数据结合起来。但是，与所有其他类型的技术相比，这种特殊技术非常有趣的是，我们只需要对样品进行最低限度的准备。我们要把岩石切成一块块，这些通常是用来在显微镜下观察化石的，博物馆里有成千上万的这样的化石。所以现在我们可以把它们从博物馆里拿出来直接把这项技术应用到它们身上。我们不会再搞破坏了。因此，通过这种方式，这正是我们在这项研究中所做的，我们能够进入苏格兰国家博物馆的珍贵收藏品中，在不破坏所有岩石的情况下观察它们。这是一件珍贵的收藏品。你可不想为了研究而毁掉它们。

威尔:既然你已经对这些保存完好、记录良好的化石进行了测试，并且你已经看到了它的作用，那么你是否计划出去寻找更多的模糊样本?

科伦丁:很明显，我们之所以要研究这个非常著名的遗址，是因为我们可以用眼睛辨认出这些化石是什么。所以当我们看签名的时候，我们可以做一个正匹配。你对你的数据有一个积极的控制。所以现在我们知道机器学习方法在化石上起作用了，因为我们实际上可以看到化石和特征之间的匹配。所以现在我们可以回到10亿到15亿年前的化石组合中，其中包含了很多化石，但它们的形状非常非常简单，形式非常非常简单，我们不知道它们可能是什么。它们可能是藻类，可能是真菌，可能是原生生物，某种微生物。现在我们有了一种新的方法来研究它们的亲缘关系，生物亲缘关系。

威尔:所以这可能会让我们了解十亿年前生物体的生物构成?

科伦丁:没错，没错。

这种方法对样品的分子保存有什么启示?因为有一个4亿年前的样本，我个人认为已经所剩无几了?

科伦廷-所以这个地方以其令人难以置信的保存而闻名。它没有经历很多地质变化。这就是为什么我们可以在显微镜上看到这么多化石。但它在分子水平上揭示的是不仅保存，形态保存，是惊人的，而且分子保存也是惊人的。例如，我们能够看到这些化石组成的非常微小的细节，例如，由什么类型的糖组成，什么类型的化石。

这能让我们看到更难到达的样品吗?如果我们能找到一个保存完好的5亿年前的样本，那就太好了，但这也非常罕见。这种机器学习能帮助我们识别更多的部分化石遗迹吗?

科伦廷-理论上，我想说，是的。当然，这取决于化石保存的条件。因为如果它们被保存在一个非常非常恶劣的环境中，如果你经历了非常高的温度，那么你可能会看到那里有化石。但是分子特征不是很好。但我们很幸运，因为我们有很多非常古老的化石遗址，化石保存得很好。其中一些在英国，例如苏格兰北部的十亿年前的Torridon群。所以它们绝对是这种技术的好目标。

威尔-有可能改变我们已经知道的吗?你可能会回到每个人都认为是一回事的东西，而你的方法却说不是。

科伦廷:没错。我认为这是整个方法的重点，我们在这篇论文中以一种特定的方式来做当我们观察那些被评估为植物的一部分的奇怪的有机体时，也许它们是真菌的一部分，也许它们是细菌的一部分。通过我们的研究，我们能够证明实际上它们的分子组成更接近于植物而不是真菌。所以我们绝对可以去研究那些我们拥有的神秘化石，并试图知道它们在生命之树上的位置。