Slik kan kunstig intelligens finne mikroskopiske fossiler

Denne artikkelen er produsert og finansiert av UiT Norges arktiske universitet - les mer.

Forsker Iver Martinsen viser hvordan KI finner og kategoriserer mikrofossiler på mikroskopbilder. (Foto: Privat)

Forskere har trent opp kunstig intelligens til å finne og kategorisere mikrofossiler.  De tror arbeidet kan bli til stor nytte for geologer verden over.

Mikrofossiler er bitte små, eldgamle fossiler som fins for eksempel på strender, isbreer og ved varmekilder. 

Studiet av mikrofossiler kan fortelle oss mye om den geologiske tidsalderen de stammer fra og hvordan klimaet på jorden var på den tiden.

Repetitivt arbeid

Den tradisjonelle måten å studere fossilene på er å sette fossilprøver under et mikroskop og telle hvert enkelt fossil for hånd.

Noen er lette å identifisere, andre krever mer tid under mikroskopet.

Det er et delikat arbeid som ikke bare krever geologisk kompetanse, men også enorm tålmodighet.

– Det er et ganske repetitivt arbeid. Man gjør det samme om igjen og om igjen i flere uker. Vi har også store mengder sedimentkjerner på lageret som skulle vært analysert, noe som vi kanskje aldri rekker å gjøre, sier geolog Steffen Aagaard Sørensen.

Å studere mikrofossiler for hånd er et tidkrevende arbeid. Her teller geolog Steffen Aagaard Sørensen en fossil om gangen for å finne ut hvilke typer de er. (Foto: Petter Bjørklund / UiT)

Nå har forskere i Maskinlæringsgruppen ved UiT Norges arktiske universitet og SFI Visual Intelligence utviklet kunstig intelligens (KI) som gjør jobben lettere. Den kan nemlig automatisk finne og kategorisere mikrofossiler på mikroskopbilder.

Gjør arbeidet hundre ganger raskere

Å ha et program som automatiserer arbeidet, byr på en rekke fordeler. Blant annet kan det spare geologer som Sørensen for mye tidkrevende arbeid på laboratoriet.

– Geologer bruker mange timer på å studere mikrofossiler. Ved å utvikle et slikt verktøy har vi tro på at vi kan gjøre leteoppgaven enklere, sier Martinsen.

Dermed kan geologene raskere finne svar på spørsmålene om jordens geologiske historie og fortidige klima.

– Har man et program som kan utføre arbeidet like godt som et menneske, vil analysene kunne gå ti, kanskje hundre ganger kjappere, sier Sørensen.

Fossiler beskrevet i tall

KI-programmet er utviklet gjennom en trinnvis prosess. Først har forskerne brukt en objektgjenkjenner som er forhåndstrent til å finne og hente ut mikrofossiler fra et datasett med mikroskopbilder. Det gjøres ved at gjenkjenneren lager avgrensningsbokser rundt hvert fossil.

Datasettet består av utvalgte mikroskopdata fra Diskos, et nasjonalt datalager for  informasjon fra leting og utvinning på den norske kontinentalsokkelen. 

Datautvalget består av cirka 100.000 mikrofossiler. Disse fossilene er brukt til å trene programmet til å lage såkalte vektor-representasjoner for hvert fossil. Det betyr at hver representasjon består av flere hundre tallverdier som beskriver hvordan en spesifikk type mikrofossil ser ut.

– Man kan se på en vektor-representasjon som en oppsummert beskrivelse av innholdet på et bilde, bare i tall. All informasjon fra bildedataene blir dermed kodet inn i en tallrekke, forklarer Martinsen.

Blir programmet vist et mikroskopbilde det aldri har sett før, bruker den representasjonene som referanser for å finne mikrofossiler på det nye bildet.

Matcher innholdet i bildet med en eller flere representasjoner, er det et tegn på at det inneholder fossiler av samme art.

Illustrasjonen viser hvordan en objektgjenkjenner brukes til å hente ut mikrofossiler fra mikroskopbilder. Hvert fossil brukes til å trene KI-en til å lage såkalte vektor-representasjoner for fossilene. (Foto: Iver Martinsen / SFI Visual Intelligence)

Lærer av seg selv

Ved å lage egne matematiske beskrivelser av hvert fossil lærer programmet selv hvordan ulike fossilarter ser ut. Dette kaller forskerne for selvovervåket læring, som innebærer at programmet lærer å forstå innholdet i bildedataene bedre.

– Med andre ord har den trent opp seg selv til å bli god til å tolke bilder, i dette tilfellet av mikrofossiler. Dette arbeidet er det første hvor man har brukt store mengder umerkede data til å utvikle et program for å finne mikrofossiler, sier Martinsen.

Bildet viser hvordan det nye programmet (til venstre) klarer å skille mellom og finne flere mikrofossiler på mikroskopbilder enn tradisjonelle KI-metoder (til høyre). (Foto: Iver Martinsen / Visual Intelligence)

Stor interesse fra verdens største museumskompleks

For å undersøke hvor godt programmet fungerer, har forskerne sammenlignet det med lignende metoder utviklet av Facebook-selskapet Meta.

Resultatene viser at KI-en som UiT-forskerne har utviklet, finner og beskriver ulike mikrofossiler på en mer nøyaktig måte enn det som har vært gjort tidligere.

–  Vi er veldig fornøyde med resultatene, som viser at beskrivelsene til programmet er bedre og mer egnet til å finne mikrofossiler, sier Martinsen.

– Vi tror arbeidet kan være til stor nytte for geologer verden over, for de som jobber innen industri eller akademia, legger han til.

Martinsen har mottatt en rekke henvendelser fra geologiske fagmiljø verden over.

The Smithsonian Institution i USA, som er landets nasjonalmuseum og verdens største museumskompleks, er blant dem som har vist stor interesse for programmet.

– Det er veldig spennende når arbeidet vårt vekker så stor interesse. Det viser at arbeidet vi gjør, er nyttig for veldig mange og at teknologien har relevans langt utenfor en enkelt bransje eller ett verdensområde, sier Martinsen.

Referanse:

Iver Martinsen mfl.: The 3-billion fossil question: How to automate classification of microfossils. Artificial Intelligence in Geosciences, 2024. Doi.org/10.1016/j.aiig.2024.100080