Mogu li nas umovi strojeva naučiti nečem novom o tome što znači biti čovjek? Kada je u pitanju zamršena priča o složenom podrijetlu i evoluciji naše vrste, čini se da to mogu.
Nedavna studija koristila je tehnologiju strojnog učenja za analizu osam vodećih modela ljudskog porijekla i evolucije, a program je identificirao dokaze u ljudskom genomu „populacije duhova“ ljudskih predaka. Analiza sugerira da je prethodno nepoznata i davno izumrla skupina hominina intervenirala s Homo sapiensom u Aziji i Oceaniji negdje duž dugog vijugavog puta ljudske evolucijske povijesti, ostavljajući za sobom samo fragmentirane tragove u modernoj ljudskoj DNK.
Studija objavljena u časopisu Nature Communications jedan je od prvih primjera kako strojno učenje može pomoći u otkrivanju tragova našeg vlastitog podrijetla. Analizom ogromne količine genomskih podataka zaostalih u fosiliziranim kostima i uspoređivanjem s DNK u modernog čovjeka, znanstvenici mogu početi popunjavati neke praznine u evolucijskoj povijesti naše vrste.
U ovom se slučaju čini da se rezultati podudaraju s paleoantropološkim teorijama koje su razvijene iz proučavanja fosila ljudskih predaka pronađenih u zemlji. Novi podaci sugeriraju da je misteriozni hominin vjerojatno poticao iz smjese neandertalca i Denisovanaca (koji su tek 2010. godine identificirani kao jedinstvena vrsta na ljudskom obiteljskom stablu). Takva vrsta u našoj evolucijskoj prošlosti jako bi ličila na fosil 90-godišnje tinejdžerke iz sibirske pećine Denisova. Njeni posmrtni ostaci opisani su prošlog ljeta kao jedini poznati primjer hibrida prve generacije između dviju vrsta, s majkom neandertalcem i Denisovanovim ocem.
"Točno je vrsta pojedinca koju očekujemo podrijetlom ove populacije, međutim to ne bi trebao biti samo jedan pojedinac, već cijela populacija", kaže koautor studije Jaume Bertranpetit, evolucijski biolog na barselonskom sveučilištu Pompeu Fabra.
Sposobnost ranih ljudi da se prilagode promjenjivim uvjetima u konačnici je omogućila najranijoj vrsti Homo da se mijenja, preživi i započne širenje iz Afrike u Euroaziju prije 1, 85 milijuna godina. (Ljubaznošću Antona, Pottsa i Aiela (2014), Science 345 (6192)) Prethodne studije ljudskog genoma otkrile su da su nakon što su moderni ljudi napustili Afriku, možda prije 180 000 godina, nakon toga iskombinovali vrste poput neandertalaca i Denisovanaca, koje su koegzistirale s ranim modernim ljudima prije nego što su izumrle. Ali teško je iznova nacrtati naše obiteljsko stablo radi uključivanja tih divergentnih grana. Dokazi za "duhovne" vrste mogu biti rijetki, a postoje mnoge konkurentne teorije koje objašnjavaju kada, gdje i koliko često bi se Homo sapiens mogao ispreplesti s drugim vrstama.
Tragovi tih drevnih međuzastupnih veza, nazvanih introgresije, mogu se prepoznati kao mjesta divergencije u ljudskom genomu. Znanstvenici promatraju više razdvajanja između dva kromosoma nego što biste očekivali ako oba kromosoma potječu od iste ljudske vrste. Kada su znanstvenici sekvencionirali neandertalski genom 2010. godine, shvatili su da neke od tih divergencija predstavljaju frakcije našeg genoma koje potječu od neandertalca. Studije su također otkrile da neki živi ljudi mogu pratiti čak 5 posto svog roda do Denisovanaca.
"Dakle, mislili smo da ćemo pokušati pronaći ta mjesta velike divergencije u genomu, vidjeti koja su neandertalka, a koja Denisovana, a zatim vidjeti da li ovo objašnjava cijelu sliku", kaže Bertranpetit. "Kao što se događa, ako oduzmete neandertalski i Denisovanski dio, u genomu se još uvijek nešto razlikuje."
Identificirati i analizirati mnoga različita mjesta u genomu i računati bezbroj genetskih kombinacija koje bi ih mogle proizvesti, prevelik je posao za koji bi se ljudi sami trebali snalaziti - ali to je zadatak koji je možda prilagođen algoritmima dubokog učenja.
Duboko učenje vrsta je umjetne inteligencije u kojoj su algoritmi zamišljeni da djeluju kao umjetna neuronska mreža ili program koji može obrađivati informacije na isti način kao što bi to činio mozak sisavaca. Ovi sustavi strojnog učenja mogu otkriti obrasce i uzeti u obzir prethodne informacije kako bi ih se „naučilo“, omogućujući im izvršavanje novih zadataka ili traženje novih podataka nakon analize ogromne količine podataka. (Česti je primjer AlphaZero Google DeepMind-a koji se može naučiti ovladati igrama na ploči.)
"Duboko učenje stavi složeniju stvar na skup točaka u većem prostoru", kaže Joshua Schraiber, stručnjak za evolucijsku genomiku na Sveučilištu Temple. "Umjesto da uklopite liniju između Y i X, postavljate neku škakljivu stvar na skup točaka u mnogo većem, tisućodimenzionalnom prostoru. Duboko učenje kaže: "Ne znam koji bi škakljiv oblik trebao stati na ove točke, ali da vidimo što će se dogoditi." "
U ovom su slučaju strojevi postavljeni za analizu ljudskog genoma i predviđanje ljudske demografije simulirajući kako se naš DNK mogao razviti u tisućama mogućih scenarija drevne evolucije. Program je obuhvaćao strukturu i evoluciju DNK, kao i modele migracije i križanja ljudi kako bi pokušali uklopiti neke dijelove zajedno u nevjerojatno složenu slagalicu.
Istraživači su obučili računalo za analizu osam različitih modela najpouzdanijih teorija rane evolucije čovjeka diljem Euroazije. Modeli su poticali iz prethodnih studija koje su pokušale smisliti scenarij koji bi rezultirao trenutnom slikom ljudskog genoma, uključujući njegove poznate neandertalske i Denisovanove komponente.
"Moglo bi biti i drugih modela, ali ovi su modeli koje su drugi predložili u znanstvenoj literaturi", kaže Bertranpetit. Svaki model započinje s prihvaćenim događajem izvan Afrike, a zatim sadrži različit skup najvjerojatnijih rascjepa između ljudskih rodova, uključujući različita križanja s poznatim vrstama i mogućim vrstama "duha".
Ljudi, ili Homo sapiens, porijeklom su iz složenog stabla uspravnih hodajućih predaka, uključujući vrste iz rodova Ardipithecus, Australopithecus i Paranthropus . (Smithsonianov program ljudskog podrijetla) "Sa svakim od ovih osam modela izračunavamo tijekom tjedana izračuna koliko su dobro sposobni postići stvarni, sadašnji genetski sastav ljudi", kaže Bertranpetit. "Svaki put kad radimo simulaciju, to je simulacija mogućeg puta ljudske evolucije, te smo simulacije izveli tisućama puta, a algoritmi dubokog učenja u stanju su prepoznati koji od modela najbolje odgovara podacima."
Zaključak stroja? Vrsta predaka prisutna je u našoj liniji koju još moramo identificirati. "Za sada su jedini modeli koje smo testirali, a koji stvarno podržavaju podatke, oni koji imaju uvid u ovu populaciju duhova", kaže Bertranpetit.
Intrigantna studija i slični slični možda pomažu u crtanju karte načina na koji su ljudi migrirali i razvijali se, premda se čini da je sve složeniji drevni svijet u Euroaziji i Oceaniji.
„To je sigurno zanimljivo i u skladu sa nastalom slikom složene retikulirane filogenije u ljudskoj evoluciji“, kaže putem e-pošte Iain Mathieson, populacijski genetičar sa Sveučilišta Pennsylvania. "Čak nisam ni siguran da ima smisla razgovarati o" događajima iz progresije "kad se to čini normom." U stvari, zato što je testirano samo osam modela i mnogi drugi mogu biti dostupni, Mathieson dodaje da su nova otkrića " zasigurno uvjerljiv scenarij, ali stvarnost je vjerojatno još složenija. "
Budući da se na terenu otvaraju nova fosilna otkrića, ažurirani modeli sada se mogu testirati na ljudskom genomu pomoću ovih vrsta programa. Schraiber kaže da je moć dubokog učenja za proučavanje ljudskog porijekla upravo u njegovoj sposobnosti da analizira složene modele.
"Ako želite napraviti izuzetno detaljan model, jer ste antropolog, i želite znati da li se ta introgresija dogodila prije 80.000 godina ili 40.000 godina, to je moć ovakvog pristupa dubokog učenja."
Složni kao što su oni, križanje drevne Euroazije još uvijek je samo jedan dio naše ljudske priče. Bertranpetit vjeruje da budući napredak u dubokom učenju može pomoći u otkrivanju drugih novih poglavlja.
"Ovakva metoda analize imat će sve nove rezultate", kaže on. „Siguran sam da će ljudi koji rade u Africi pronaći izumrle skupine koje još nisu prepoznate. Bez sumnje će nam Afrika u budućnosti pokazati iznenađujuće stvari. "
