Badacze ze Stanford stworzyli SandAI, narzędzie sztucznej inteligencji, które odkrywa starożytną historię ziaren piasku kwarcowego, identyfikując sposób, w jaki ukształtowały je wiatr, rzeki, fale lub lodowce. Używając uczenie maszynoweSandAI usprawnia dokładność i obiektywność analizy mikrotekstury, dzięki czemu jest ona cenna dla badań geologicznych i dochodzeń kryminalistycznych, takich jak śledzenie nielegalnego wydobycia piasku.
Naukowcy ze Stanford stworzyli narzędzie oparte na sztucznej inteligencji o nazwie SandAI, które jest w stanie odkryć historię ziaren piasku kwarcowego obejmującą setki milionów lat. SandAI pozwala naukowcom dokładnie określić, czy wiatr, rzeki, fale lub ruchy lodowców ukształtowały i osadziły ziarna piasku.
Narzędzie zapewnia badaczom unikalny wgląd w przeszłość na potrzeby badań geologicznych i archeologicznych, zwłaszcza w odniesieniu do epok i środowisk, w których niewiele innych wskazówek, takich jak skamieniałości, zachowało się w czasie. Podejście SandAI, zwane analizą mikroteksturową, może również pomóc we współczesnych dochodzeniach kryminalistycznych dotyczących nielegalnego wydobycia piasku i powiązanych kwestii.
„Praca nad osadami, które nie zostały naruszone ani zdeformowane, przypomina podróż do wehikułu czasu – widzisz dokładnie to, co znajdowało się na powierzchni Ziemi, nawet setki milionów lat temu. SandAI dodaje kolejną warstwę szczegółów do informacji, które możemy z nich wyciągnąć” – powiedział Michael Hasson, doktorant Mathieu Lapôtre, adiunkt nauk o Ziemi i planetach w Stanford Doerr School of Sustainability. Hasson jest głównym autorem nowego badania demonstrującego to narzędzie, opublikowanego w tym tygodniu w Postępowanie Narodowej Akademii Nauk.
Wymowne podpisy
Historycznie rzecz biorąc, analizę mikrotekstury przeprowadzano ręcznie i oko, przy użyciu szkieł powiększających i mikroskopów, aby wyciągnąć wnioski na temat historii ziaren piasku. Współczesna nauka potwierdziła to podejście, pokazując, że mechanizmy transportu rzeczywiście przekazują charakterystyczne cechy – na przykład ziarna, które przemieściły się na większą odległość, często wydają się bardziej zaokrąglone, ponieważ ich ostre rogi są stępione; fale i wiatr również pozostawiają charakterystyczne ślady ścierania.
Jednak tradycyjna analiza mikrotekstury jest wysoce subiektywna, czasochłonna i rozproszona w różnych badaniach. Dzięki nowemu narzędziu, które wykorzystuje możliwości uczenia maszynowego do dogłębnej analizy mikroskopowych obrazów ziaren piasku, analiza mikroteksturalna może być teraz znacznie bardziej ilościowa, obiektywna i potencjalnie użyteczna w szerokim zakresie zastosowań. Analizuje także pojedyncze ziarna piasku, zamiast wrzucać wiele ziaren do jednej kategorii, co zapewnia pełniejszą ocenę.
„Zamiast człowieka analizować i decydować, jaka jest tekstura ziaren piasku, używamy uczenia maszynowego, aby analiza mikrotekstur była bardziej obiektywna i rygorystyczna” – powiedział Lapôtre, starszy autor artykułu. „Nasze narzędzie otwiera drzwi do zastosowań w analizie mikrotekstury, które nie były wcześniej dostępne”.
Na całym świecie piasek jest zaraz po wodzie najczęściej używanym zasobem i ma kluczowe znaczenie w branży budowlanej. Materiały takie jak beton, zaprawa i niektóre tynki wymagają piasku kątowego dla odpowiedniej przyczepności i stabilności. Jednak określenie pochodzenia piasku w celu zapewnienia etycznego i legalnego jego pozyskiwania stanowi wyzwanie, dlatego badacze mają nadzieję, że SandAI może zwiększyć identyfikowalność. Na przykład SandAI może pomóc śledczym w rozprawieniu się z nielegalnym wydobyciem piasku i pogłębianiem.
Szkolenie narzędzia
Do zbudowania SandAI badacze wykorzystali sieć neuronową, która „uczy się” w sposób podobny do ludzkiego mózgu, gdzie prawidłowe odpowiedzi wzmacniają połączenia między sztucznymi neuronami, czyli węzłami w programie, umożliwiając komputerowi uczenie się na swoich błędach.
Z pomocą współpracowników z całego świata Hasson zgromadził setki zdjęć ziaren piasku ze skaningowego mikroskopu elektronowego, przedstawiających materiał z najpowszechniejszych środowisk lądowych: rzecznego (rzeki i strumienie), eolicznego (osady przenoszone przez wiatr, takie jak wydmy), lodowcowego i plaża.
„Chcieliśmy, aby ta metoda działała w czasie geologicznym, ale także w całym obszarze geograficznym Ziemi” – powiedział Hasson. „Na przykład klasa wydm wietrznych została zaprojektowana tak, aby obejmowała przykłady mokre i suche, duże i małe. Zależało nam, aby zajęcia były jak najbardziej różnorodne.”
SandAI przeanalizowało ten zestaw obrazów, aby nauczyć się przewidywać historię ziaren piasku na podstawie cech, których badacze-ludzie mogą nigdy nie dostrzec. Narzędzie w naturalny sposób popełniało błędy, a następnie było iteracyjnie ulepszane. Gdy SandAI osiągnęło solidną dokładność przewidywań na poziomie 90%, badacze wprowadzili nowe próbki, których model wcześniej nie widział.
Dzięki obrazom piaskowców z dobrze scharakteryzowanych środowisk od obecnego dnia do około 200 milionów lat jurajski W tamtej epoce SandAI spisał się dobrze, prawidłowo wyjaśniając historię transportu ziaren.
Nowatorska nauka i zastosowania
Następnie naukowcy przetestowali narzędzie, przedstawiając obrazy ziaren piasku zebranych w Norwegii, które pochodzą sprzed ponad 600 milionów lat i sięgają okresu kriogenicznego. Lepiej znany jako czas „Ziemskiej kuli śnieżnej”, był to okres, w którym uważa się, że pokrywy lodowe pokryły całą planetę, zanim wyewoluowały rośliny i zwierzęta. Pochodzenie przedmiotowej próbki, zwanej członkiem Bråvika, było kwestionowane, a różne grupy badawcze doszły do różnych wniosków.
„Dzięki tej próbce kriogenicznej widzieliśmy, jak daleko możemy popchnąć SandAI i naprawdę wykorzystać ją do prowadzenia nowych badań naukowych, a nie tylko sprawdzać, czy narzędzie działa” – powiedział Hasson.
Co ciekawe, w ramach projektu SandAI przypuszczono, że starożytne ziarna piasku zostały ukształtowane i osadzone w ramach niesionej przez wiatr wydmy – zgodnie z niektórymi ręcznymi badaniami mikrotekstury. Co więcej, ponieważ narzędzie analizuje pojedyncze ziarna piasku zamiast skupiać wiele ziaren w jednej kategorii, pojawiły się inne szczegóły. Podczas gdy dominująca sygnatura rzeczywiście wskazywała na transport wiatru, wtórna sygnatura, której prawdopodobnie nie przeoczyłyby techniki ręczne, wskazywała na piasek lodowcowy. Łącznie te sygnały tworzą portret wydm rozciągających się gdzieś w pobliżu lodowca, czego można się spodziewać w okresie Ziemi Śnieżnej Kuli.
Aby dokładniej ocenić te odkrycia, Hasson i współpracownicy poszukiwali potencjalnego współczesnego odpowiednika tej kriogenicznej sceny geologicznej. Naukowcy przepuścili przez SandAI ziarna piasku przenoszone przez wiatr z Antarktydy i z pewnością doszli do tego samego wyniku. „Te ustalenia SandAI sugerują, że Antarktyda naprawdę jest dobrym, nowoczesnym odpowiednikiem środowiska reprezentowanego przez członka Bråvika” – powiedział Hasson. „Są naprawdę mocnym dowodem na to, że sygnał, który otrzymaliśmy ze złóż kriogenicznych, nie jest zwykłym przypadkiem”.
Naukowcy dokonali SandAI dostępny online aby ktokolwiek mógł z niego skorzystać. Planują kontynuować jego rozwój w oparciu o opinie użytkowników i nie mogą się doczekać, aż narzędzie zostanie zastosowane w różnych kontekstach.
„Fakt, że możemy teraz przedstawić szczegółowe wnioski na temat złóż geologicznych, które wcześniej nie były znane, wydaje mi się zdumiewający” – powiedział Hasson. „Nie możemy się doczekać, aby zobaczyć, co jeszcze może zrobić SandAI”.
Odniesienie: „Automatyczne wyznaczanie środowisk transportu i depozycji w piasku i piaskowcach” autorstwa Michaela Hassona, M. Colina Marvina i Mathieu GA Lapôtre, 16 września 2024 r., Postępowanie Narodowej Akademii Nauk.
DOI: 10.1073/pnas.2407655121
