Quantifying Avian Morphological Evolution through Deep Representation Learning

Stellen Sie sich vor, Sie wollten verstehen, wie sich ein Auto über 100 Jahre hinweg verändert hat. Sie könnten den Motor, die Radgröße und die Form der Motorhaube mit einem Lineal messen. Das ist einfach, weil Autos aus harten, starren Teilen bestehen. Aber was wäre, wenn Sie untersuchen wollten, wie sich das Gefieder eines Vogels, seine flauschige Brust oder die Art und Weise, wie er seine Flügel hält, verändert haben? Sie können kein Lineal auf die Textur einer Feder oder das farbenfrohe Muster eines Vogels legen, ohne dass es sich bewegt oder verändert. Lange Zeit mussten sich Wissenschaftler, die die Evolution studierten, auf „Landmarken“ verlassen – spezifische Punkte am Skelett, die sie von Hand messen konnten. Es war, als versuchte man, eine Wolke zu kartieren, indem man lediglich ihre Ränder maß. Diese Methode war langsam, erforderte, dass ein Mensch schätzte, wo er das Lineal ansetzte, und sie übersah völlig die weichen, matschigen und farbenfrohen Teile der Tiere, die oft am wichtigsten für das Überleben sind.

Stellen Sie sich nun eine neue Art von Detektiv vor, der gar kein Lineal benutzt. Stattdessen nutzt er ein superstarkes Gehirn namens „Deep Learning“. Diese Technologie ist wie ein Schüler, der Millionen von Bildern betrachtet hat und gelernt hat, winzige Unterschiede zwischen Dingen zu erkennen, ohne dass ihm jemand gesagt hat, wonach er suchen soll. Wissenschaftler haben dies schon genutzt, um Gesichter oder Katzen zu erkennen, aber eine neue Studie stellt die Frage: Kann dieses digitale Gehirn auch verstehen, wie Tiere evolvieren? Die große Frage ist, ob ein Computer ein Bild eines Vogels betrachten, den Hintergrund ignorieren und seinen „Bauplan“ – seine Form, Farbe und Textur – erfassen kann und dies nutzen kann, um zu bestimmen, wie verschiedene Arten miteinander verwandt sind, ohne vorher seinen Stammbaum zu kennen. Wenn es funktioniert, könnte es die Art und Weise, wie wir die Geschichte des Lebens auf der Erde verstehen, revolutionieren, indem es eine verschwommene, subjektive Vermutung in eine klare, mathematische Karte verwandelt.

---

Der digitale Vogelbeobachter

In dieser Studie entschied eine Forscherin namens Jiao Sun, einen Computer dazu zu bringen, der ultimative Vogelbeobachter zu werden. Anstatt Knochen zu messen, wurde der Computer mit einer riesigen Bibliothek von über 4,8 Millionen Fotos von Vögeln gefüttert, die mehr als 10.000 verschiedene Arten repräsentieren. Das Ziel war nicht nur zu sagen: „Das ist ein Rotkehlchen“, sondern die visuelle Essenz eines jeden Vogels zu verstehen.

Der Computer verwendete eine spezielle Art von künstlicher Intelligenz, ein Convolutional Neural Network (CNN), das wie ein digitales Auge funktioniert, das durch das Betrachten von Mustern lernt. Die Forscher trainierten dieses Auge darauf, jede Vogelart in der Bibliothek zu erkennen. Sobald der Computer „klug“ genug war, um einen Sperling von einem Habicht zu unterscheiden, schauten die Forscher nicht nur auf das Endergebnis. Stattdessen spähten sie in das Gehirn des Computers, um die „Merkmalsvektoren“ zu sehen – die komplexen, hochdimensionalen Zahlen, die der Computer für jeden Vogel erstellt hat. Betrachten Sie diese Zahlen als einen einzigartigen, unsichtbaren Fingerabdruck für die Form, Farbe und Textur jedes Vogels.

Die Kartierung des unsichtbaren Waldes

Hier geschieht das Magische: Die Forscher nahmen diese digitalen Fingerabdrücke und trugen sie auf einer riesigen, unsichtbaren Karte ein. Sie sagten dem Computer nicht, was eine „Familie“ oder eine „Ordnung“ von Vögeln war. Sie ließen den Computer die Vögel einfach basierend darauf sortieren, wie ähnlich sich ihre digitalen Fingerabdrücke sahen.

Das Ergebnis war erstaunlich. Obwohl der Computer nie gelehrt worden war, die Regeln der Vogel-Taxonomie (die wissenschaftlichen Namen und Stammbäume) zu kennen, gruppierte er die Vögel ganz natürlich in Familien und Ordnungen, die der Realität fast perfekt entsprachen. Es war, als hätte der Computer ein Bild eines Pinguins und ein Bild eines Albatros betrachtet und erkannt: „Hey, diese beiden sehen für mich ähnlicher aus als ein Entenpaar“, und sie zusammen sortiert.

Die Studie fand heraus, dass diese digitale Karte Dinge erfassen konnte, die herkömmliche Lineale nicht konnten. Sie gruppierte erfolgreich Völe, die sich ähnlich sehen, weil sie ein ähnliches Leben führen, selbst wenn sie nicht eng miteinander verwandt sind. Zum Beispiel gruppierte sie nachtaktive Vögel wie Eulen und Nachtschwalben zusammen, da beide große Augen und getarnte Federn für die Jagd in der Nacht haben. Sie gruppierte auch Vögel, die wie Hühner oder Wachteln aussehen, selbst wenn sie aus verschiedenen Familien stammen, weil sie alle dieselbe „bodenbewohnende“ Körperform besitzen. Der Computer hatte entdeckt, dass die Evolution oft dazu führt, dass verschiedene Tiere gleich aussehen, wenn sie vor denselben Herausforderungen stehen – ein Konzept, das als konvergente Evolution bezeichnet wird.

Der „frühe Aufbruch“ der Vogelvielfalt

Die Forscher nutzten diese neue Karte dann, um in die Vergangenheit zu blicken. Sie wollten sehen, wie sich Vogelformen nach dem massiven Aussterbeereignis, das die Dinosaurier tötete (die K-Pg-Massenaussterbenis vor etwa 66 Millionen Jahren), verändert haben.

Unter Verwendung eines speziellen mathematischen Tricks, bei dem sie ihre Karte wie eine gekrümmte Oberfläche (eine Kugel) statt wie ein flaches Blatt behandeln, simulierten sie, wie sich Vogelformen entwickelt haben könnten. Sie fanden ein klares Muster eines „frühen Aufbruchs“ (early-burst). Das bedeutet, dass Vögel unmittelbar nachdem die Dinosaurier verschwanden und viel Platz in der Welt hinterließen, nicht einfach nur langsam Veränderungen durchliefen. Sie explodierten förmlich in neue Formen und Größen.

Die Daten deuten darauf hin, dass Vögel in einem relativ kurzen geologischen Zeitfenster etwa 50 % des „Formenraums“ einnahmen, den sie heute besetzen. Es ist wie ein Raum, der leer war, und plötzlich stürmt eine riesige Menge von Menschen herein, die jeden Winkel mit unterschiedlichen Outfits und Stilen füllen, und dann kommen über die nächsten Millionen Jahre nur noch langsam ein paar mehr Leute hinzu. Dies stützt die Idee, dass, wenn die Natur das Spielfeld leert, das Leben in die leeren Nischen mit extremer Vielfalt hineinstürmt.

Warum das wichtig ist

Diese Studie ist von großer Bedeutung, weil sie beweist, dass wir nicht mehr Experten in Anatomie sein müssen, um die Evolution zu messen. Wir können einfach Bilder verwenden. Der Computer lernte, den „Bauplan“ eines Vogels zu sehen – die allgemeine Form und Struktur –, anstatt sich nur von der Textur der Federn ablenken zu lassen. Dies ist ein Wechsel in der Denkweise, da man früher davon ausging, dass Computer sich nur um Texturen interessieren.

Die Forscher zeigten, dass diese Methode unglaublich leistungsfähig ist. Sie kann weiche, wackelige und farbenfrohe Merkmale handhaben, die mit einem Lineal unmöglich zu messen sind. Es deutet darauf an, dass die Geschichte des Lebens in den Pixeln einer Fotografie geschrieben steht und dass wir mit den richtigen digitalen Werkzeugen diese Geschichte schneller und genauer als je zuvor lesen können. Obwohl die Karte des Computers nicht perfekt ist – er gruppiert manchmal Vögel, die zwar ähnlich aussehen, aber nicht verwandt sind, oder übersieht einige neu entdeckte Arten – bietet er einen neuen, skalierbaren Weg, um die Schönheit und Komplexität der Biodiversität zu quantifizieren. Er verwandelt die chaotische, subjektive Kunst der Beschreibung von Tieren in eine präzise, mathematische Wissenschaft.