Quantifying Avian Morphological Evolution through Deep Representation Learning

Immagina di cercare di capire come sia cambiata un'auto in 100 anni. Potresti misurare il motore, la dimensione delle ruote e la forma del cofano con un righello. Questo è facile perché le auto sono fatte di parti dure e rigide. Ma cosa succederebbe se volessi studiare come sono cambiate le piume di un uccello, il suo petto soffice o il modo in cui tiene le ali? Non puoi appoggiare un righello sulla consistenza di una piuma o sul pattern colorato di un uccello senza che questi si muova o cambi. Per molto tempo, gli scienziati che studiavano l'evoluzione hanno dovuto fare affidamento sui "landmark" (punti di riferimento): punti specifici su uno scheletro che potevano essere misurati a mano. Era come cercare di mappare una nuvola misurando solo i suoi bordi. Questo metodo era lento, richiedeva che un essere umano decidesse dove posizionare il righello e ignorava completamente le parti morbide, flessibili e colorate degli animali, che spesso sono le più importanti per la sopravvivenza.

Ora, immagina un nuovo tipo di detective che non usa affatto un rigolo. Invece, usa un cervello super-potenziato chiamato "Deep Learning". Questa tecnologia è come uno studente che ha guardato milioni di immagini e ha imparato a individuare piccole differenze tra le cose senza che nessuno gli dica cosa cercare. Gli scienziati hanno usato questo metodo per riconoscere volti o gatti, ma un nuovo studio si chiede: può questo cervello digitale capire anche come evolvono gli animali? La grande domanda è se un computer possa guardare l'immagine di un uccello, ignorare lo sfondo e capire il suo "piano corporeo" (body plan) — la sua forma, il colore e la consistenza — e usare questo per dire quanto diverse siano le specie tra loro, senza dover conoscere prima il loro albero genealogico. Se funzionasse, potrebbe rivoluzionare il modo in cui comprendiamo la storia della vita sulla Terra, trasformando un'ipotesi sfocata e soggettiva in una mappa matematica chiara.

---

L'osservatore digitale di uccelli

In questo studio, una ricercatrice di nome Jiao Sun ha deciso di insegnare a un computer come essere l'osservatore di uccelli definitivo. Invece di misurare le ossa, al computer è stata fornita una biblioteca massiccia di oltre 4,8 milioni di foto di uccelli, che rappresentano più di 10.000 specie diverse. L'obiettivo non era solo dire: "Quello è un pettirosso", ma comprendere l'essenza visiva di ogni singolo uccello.

Il computer ha utilizzato un tipo specifico di intelligenza artificiale chiamata Rete Neurale Convoluzionale (CNN), che è come un occhio digitale che impara osservando i pattern. I ricercatori hanno addestrato questo occhio a riconoscere ogni specie di uccello nella biblioteca. Una volta che il computer è diventato abbastanza "intelligente" da distinguere un passero da un falco, i ricercatori non si sono limitati a guardare la risposta finale. Inveve, hanno sbirciato dentro il cervello del computer per vedere i "vettori di caratteristiche" (feature vectors): quei numeri complessi ad alta dimensionalità che il computer ha creato per descrivere ogni uccello. Pensa a questi numeri come a un'impronta digitale unica e invisibile per la forma, il colore e la consistenza di ogni uccello.

Mappare la foresta invisibile

Ecco la parte magica: i ricercatori hanno preso queste impronte digitali e le hanno tracciate su una gigantesca mappa invisibile. Non hanno detto al computer cos'era una "famiglia" o un "ordine" di uccelli. Hanno solo lasciato che il computer classificasse gli uccelli in base a quanto sembrassero simili le loro impronte digitali.

Il risultato è stato sorprendente. Nonostante il computer non fosse mai stato istruito sulle regole della tassonomia degli uccelli (i nomi scientifici e gli alberi genealogici), ha naturalmente raggruppato gli uccelli in famiglie e ordini che corrispondevano quasi perfettamente al mondo reale. È come se il computer avesse guardato la foto di un pinguino e la foto di un albatros e avesse realizzato: "Ehi, questi due mi sembrano più simili tra loro che a un'anatra", e li avesse classificati insieme.

Lo studio ha scoperto che questa mappa digitale poteva catturare cose che i righelli tradizionali non potevano. Ha raggruppato con successo uccelli che appaiono simili perché vivono vite simili, anche se non sono strettamente imparentati. Ad esempio, ha raggruppato uccelli notturni come gufi e capimozzi perché entrambi hanno grandi occhi e piume mimetiche per la caccia notturna. Ha anche raggruppato uccelli che somigliano a polli o quaglie, anche se appartengono a famiglie diverse, perché condividono tutti quella stessa forma corporea "terricola". Il computer aveva scoperto che l'evoluzione spesso porta animali diversi ad apparire simili se affrontano le stesse sfide — un concetto chiamato evoluzione convergente.

L' "esplosione precoce" della diversità degli uccelli

I ricercatori hanno poi utilizzato questa nuova mappa per guardare indietro nel tempo. Volevano vedere come sono cambiate le forme degli uccelli dopo il massiccio evento di estinzione che ha ucciso i dinosauri (l'estinzione di massa K-Pg, circa 66 milioni di anni fa).

Utilizzando un trucco matematico speciale che tratta la loro mappa come una superficie curva (una sfera) anziché come un foglio piatto, hanno simulato come potrebbero essersi evolute le forme degli uccelli. Hanno trovato un modello di "esplosione precoce" (early-burst). Ciò significa che subito dopo che i dinosauri sono scomparsi, lasciando molto spazio vuoto nel mondo, gli uccelli non sono cambiati lentamente. Sono esplosi in nuove forme e dimensioni molto rapidamente.

I dati suggeriscono che in una finestra geologica relativamente breve, gli uccelli hanno occupato circa il 50% dello "spazio delle forme" che occupano oggi. È come una stanza che era vuota e che improvvisamente vede l'ingresso di una folla enorme, che riempie ogni angolo con abiti e stili diversi, e poi la stanza riceve solo qualche altra persona nei milioni di anni successivi. Questo supporta l'idea che quando la natura libera il tabellone, la vita si affretta a occupare le nicchie vuote con una diversità estrema.

Perché questo è importante

Questo studio è importante perché dimostra che non abbiamo più bisogno di essere esperti di anatomia per misurare l'evoluzione. Possiamo semplicemente usare le immagini. Il computer ha imparato a vedere il "piano corporeo" di un uccello — la sua forma e struttura complessiva — piuttosto che lasciarsi distrarre dalla consistenza delle piume. Questo è un cambiamento rispetto al vecchio modo di pensare, che assumeva che i computer si interessassero solo alle texture.

I ricercatori hanno dimostrato che questo metodo è incredibilmente potente. Può gestire tratti morbidi, flessibili e colorati che sono impossibili da misurare con un righello. Suggerisce che la storia della vita è scritta nei pixel di una fotografia e che, con gli strumenti digitali giusti, possiamo leggere quella storia più velocemente e con maggiore precisione che mai prima d'ora. Sebbene la mappa del computer non sia perfetta — a volte raggruppa uccelli che si somigliano ma non sono imparentati, o perde di vista alcune specie appena scoperte — essa offre un nuovo modo scalabile per quantificare la bellezza e la complessità della biodiversità. Trasforma l'arte disordinata e soggettiva di descrivere gli animali in una scienza precisa e matematica.