Quantifying Avian Morphological Evolution through Deep Representation Learning

車の形が100年間でどのように変化したかを理解しようとしている場面を想像してみてください。エンジン、ホイールのサイズ、ボンネットの形状なら、定規を使って測ることができます。車は硬くて頑丈な部品でできているので、それは簡単です。しかし、もし鳥の羽や、ふわふわした胸、あるいは翼の持ち方がどのように変化してきたかを研究したいとしたらどうでしょうか？羽の質感や、鳥の鮮やかな模様に対して、定規を当てることはできません。それらは動いたり変化したりするからです。長い間、進化を研究する科学者たちは、「ランドマーク」と呼ばれる、手作業で測定できる骨格上の特定の点に頼らざるを得ませんでした。それは、雲の輪郭だけを測って地図を作ろうとするようなものでした。この手法は時間がかかり、人間がどこに定規を置くかを推測する必要があり、動物にとって最も重要な場合が多い「柔らかく、形が変わりやすく、色彩豊かな部分」を完全に見落としていました。

今、定規を一切使わない新しい種類の探偵を想像してみてください。その代わりに、それは「ディープラーニング（深層学習）」という超強力な脳を使用します。このテクノロジーは、何百万枚もの写真を見て、誰に教えられることもなく、物事の微細な違いを見分ける方法を学んだ学生のようなものです。科学者たちは、この技術を顔や猫を認識するために使ってきましたが、ある新しい研究ではこう問いかけています。「このデジタル脳は、鳥の進化をも理解できるのだろうか？」という問いです。大きな疑問は、コンピュータが鳥の写真を見て、背景を無視し、その「ボディプラン（形態学的基本設計）」、つまり形、色、質感を理解し、あらかじめ家族の系統を知ることなく、種同士がどのように関連しているかを解明できるかどうかです。もしこれが成功すれば、曖昧で主観的な推測を、明確で数学的な地図へと変え、生命の歴史に対する私たちの理解に革命をもたらす可能性があります。

---

デジタル・バードウォッチャー

この研究において、研究者のJiao Sunは、コンピュータに究極のバードウォッチャー（鳥の観察者）になるよう教えることに決めました。骨を測定する代わりに、コンピュータには1万種以上の鳥を代表する480万枚を超える膨大な写真ライブラリが与えられました。目的は、単に「これはコマドリだ」と言うことではなく、あらゆる鳥の「視覚的な本質」を理解することでした。

コンピュータは、畳み込みニューラルネットワーク（CNN）と呼ばれる特定の種類の人工知能を使用しました。これは、パターンを見ることで学習する「デジタルの目」のようなものです。研究者たちは、この「目」がライブラリ内のあらゆる鳥の種を認識できるように訓練しました。コンピュータがスズメとタカを見分けられるほど「賢く」なったとき、研究者たちは単に最終的な答えを見るだけではありませんでした。代わりに、彼らはコンピュータの脳の中を覗き込み、「特徴ベクトル」を確認しました。これは、コンピュータが各鳥を記述するために作成した、複雑で高次元な数値です。これらの数値を、あらゆる鳥の形、色、質感を表す、ユニークで目に見えない指紋だと考えてください。

見えない森のマッピング

ここからが魔法の部分です。研究者たちは、これらのデジタルの指紋を取り出し、巨大で目に見えない地図上にプロットしました。彼らはコンピュータに「家族」や「目（分類上の区分）」を教えませんでした。ただ、デジタルの指紋がどれほど似ているかに基づいて、コンピュータに鳥を分類させたのです。

その結果は驚くべきものでした。コンピュータには鳥の分類学（学名や系統樹）のルールが教えられていなかったにもかかわらず、コンピュータは自然に、現実の世界とほぼ完璧に一致するように、鳥を科や目にグループ分けしました。それはまるで、コンピュータがペンギンの写真とアホウドリの写真を見て、「おい、これらは私にとっては、アヒルよりもお互いに似ている」と気づき、それらを一緒に分類したかのようでした。

この研究は、従来の定規では捉えられなかった要素を、このデジタルの地図が捉えられることを明らかにしました。コンピュータは、たとえ血縁関係がなくても、似たような生活を送っているために見た目が似ている鳥を、見事にグループ化できました。例えば、夜行性の鳥であるフクロウとヨタカは、どちらも大きな目と夜の狩りのための保護色の羽を持っているため、共にグループ化されました。また、ニワトリやウズラに似た姿を持つ鳥も、たとえ異なる科であっても、すべて同じ「地上生活型」の体型を持っているため、一緒にグループ化されました。コンピュータは、異なる動物が同じ課題に直面した場合、しばしば似た姿になるという概念、すなわち「収斂進化」を発見したのです。

鳥類の多様性の「初期バースト」

研究者たちは次に、この新しい地図を使って過去へと遡りました。彼らは、鳥の形が恐竜を絶滅させた大規模な絶滅イベント（約6600万年前のK-Pg大量絶滅）の後にどのように変化したかを知りたいと考えました。

彼らの地図を平らなシートではなく、曲面（球体）として扱う特別な数学的手法を用いて、鳥の形がどのように進化したかをシミュレーションしました。その結果、明確な「初期バースト（初期の爆発的変化）」のパターンが見つかりました。これは、恐竜が消え去り、世界に多くの空きスペースができた直後、鳥たちが単にゆっくりと変化したのではなく、新しい形や大きさに向かって爆発的に変化したことを意味します。

データは、比較的短い地質学的な期間内に、鳥たちが現在占めている「形態空間」の約50%を埋めたことを示唆しています。それは、まるで空っぽの部屋に、突然、大勢の人が押し寄せ、あらゆるコーナーを異なる服装やスタイルで埋め尽くし、その後、数百万年をかけてゆっくりと数人が増えていったようなものです。これは、自然界が盤面をクリアにしたとき、生命が空いたニッチ（生態的地位）を多様性で埋め尽くそうと突進するという考えを裏付けています。

なぜこれが重要なのか

この研究が重要である理由は、進化を測定するために、もはや解剖学の専門家である必要はないことを証明したからです。私たちはただ、写真を使うだけでよいのです。コンピュータは、羽の質感に惑わされることなく、鳥の「ボディプラン（全体的な形と構造）」を理解することを学びました。これは、コンピュータはテクスチャ（質感）にしか関心を持たないと考えていた古い考え方からの転換です。

研究者たちは、この手法が非常に強力であることを示しました。それは、定規で測定することが不可能な、柔らかく、ゆらゆらと動き、色彩豊かな特性を扱うことができます。これは、生命の歴史が写真のピクセルの中に書き込まれており、適切なデジタルツールがあれば、私たちはかつてないほど速く、正確にその歴史を読み解けることを示唆しています。コンピュータの地図は完璧ではなく、見た目は似ているが血縁関係のない鳥をグループ化したり、新しく発見された種を見逃したりすることもありますが、生物多様性の美しさと複雑さを定量化するための、新しい、スケールアップ可能な方法を提供しています。それは、動物を記述するという、乱雑で主観的な芸術を、精密で数学的な科学へと変えるものなのです。