Использование машинного обучения для уточнения картины древнего прошлого

Исследователи из нескольких учреждений Китая и двух из США разработали метод применения машинного обучения для более детального изучения прошлого. В статье, опубликованной в журнале Science, группа описывает анализ летописей окаменелостей с помощью этой технологии.

Ученые используют окаменелости для датировки горных пород, поскольку не могут напрямую определить их возраст. Большинство видов существуют лишь определенный промежуток времени, и, установив период обитания конкретного динозавра в данном регионе, можно датировать местные породы по заключенным в них окаменелостям. Недостаток этого метода — его низкое временное разрешение при построении хронологии таких событий, как массовые вымирания.

Десять лет назад математики предложили статистический подход для создания временной шкалы биоразнообразия на основе анализа сотен тысяч записей о морских и наземных окаменелостях. Их метод позволил бы разделить последние несколько сотен миллионов лет на короткие интервалы, обеспечив более детальную картину событий. Однако расчеты занимали многие месяцы, что делало метод непрактичным. В новой работе исследователи возродили эту идею, применив машинное обучение к данным и проведя анализ на суперкомпьютере Tianhe-2.

Были введены данные, охватывающие примерно 300 миллионов лет — от начала кембрийского периода (_{540 млн лет назад) до времени вскоре после начала триаса (}240 млн лет назад). Компьютер выдал результаты для временных интервалов всего в 26 000 лет. Исследователи сравнили разницу в разрешении с возможностью наблюдать за жизнью людей в течение шести месяцев вместо целого века.

Созданная компьютером шкала в некоторых аспектах отличается от построенной с использованием более длительных периодов. Например, одно из пяти великих массовых вымираний, как оказалось, не было внезапным событием — оно представляло собой более медленное изменение биоразнообразия.