Да ли нас умови машина могу научити нечем новом о томе шта значи бити човек? Када је у питању замршена прича о сложеном пореклу и еволуцији наше врсте, чини се да могу.
Недавна студија користи технологију машинског учења за анализу осам водећих модела људског порекла и еволуције, а програм је идентификовао доказе у људском геному „популације духова“ људских предака. Анализа сугерише да је претходно непозната и одавно изумрла група хоминина интервенирала са Хомо сапиенсом у Азији и Океанији негде дуж дугачког вијугавог пута људске еволутивне историје, остављајући за собом само фрагментиране трагове у модерној људској ДНК.
Студија објављена у часопису Натуре Цоммуницатионс један је од првих примера како машинско учење може помоћи да се открију трагови нашег сопственог порекла. Анализом огромне количине геномских података заосталих у фосилизованим костима и упоређивањем са ДНК код модерног човека, научници могу да започну попуњавање неких празнина у еволутивној историји наше врсте.
У овом случају, изгледа да се резултати подударају са палеоантрополошким теоријама које су развијене из проучавања фосила човека предака који су пронађени у земљи. Нови подаци указују на то да је мистериозни хоминин вероватно потицао из мешавине неандерталаца и Денисованаца (који су идентификовани као јединствена врста на људском породичном стаблу 2010. године). Таква врста у нашој еволутивној прошлости доста би личила на фосил 90-годишње тинејџерке из сибирске пећине Денисова. Њени посмртни остаци описани су прошлог лета као једини познати пример хибрида прве генерације између две врсте, са неандерталском мајком и Денисовановим оцем.
„Очекујемо да ће та врста човека бити порекло ове популације, али то не би требало да буде само један појединац, већ читава популација, “ каже коаутор студије Јауме Бертранпетит, еволутивни биолог са барселонског универзитета Помпеу Фабра.
Способност раних људи да се прилагоде променљивим условима у коначници је омогућила најранијој врсти Хомо да се мења, преживи и започне ширење из Африке у Евроазију пре 1, 85 милиона година. (Имаге љубазношћу Антона, Поттса и Аиела (2014), Сциенце 345 (6192)) Претходне студије људског генома откриле су да су након што су савремени људи напустили Африку, можда пре 180.000 година, након тога искомбиновали врсте попут неандерталаца и Денисованаца, које су коегзистирале са раним модерним људима пре изумирања. Али, цртање нашег породичног стабла да укључи ове дивергентне гране било је тешко. Докази за „духовне” врсте могу бити ријетки, а постоје многе конкурентне теорије које објашњавају када, где и колико често би се Хомо сапиенс могао мешати са другим врстама.
Трагови тих древних међузаступних веза, названих интрогресије, могу се идентификовати као места дивергенције у људском геному. Научници посматрају више раздвајања између два хромозома него што бисте очекивали да су оба хромозома потекла од исте људске врсте. Када су научници секвенционирали неандерталски геном 2010. године, схватили су да неке од тих дивергенција представљају фракције нашег генома које су потицале од неандерталаца. Студије су такође откриле да неки живи људи могу пратити чак 5 процената свог рода до Денисованаца.
"Дакле, мислили смо да ћемо покушати да нађемо та места велике дивергенције у геному, да видимо која су неандерталка, а која Денисована, а затим да видимо да ли ово објашњава целу слику", каже Бертранпетит. "Као што се догађа, ако одузмете неандерталски и Денисовански део, у геному се још увек нешто разликује."
Идентификовање и анализа многих дивергентних места у геному и рачунање безбројних генетских комбинација које би их могле произвести је превелик посао за који би се људи сами могли сналазити - али то је задатак који је можда осмишљен за алгоритме дубоког учења.
Дубоко учење је врста вештачке интелигенције у којој су алгоритми осмишљени да раде као вештачка неуронска мрежа, или програм који може обрађивати информације на исти начин као што би мозак сисара. Ови системи машинског учења могу открити обрасце и узети у обзир претходне информације како би их „научили“, омогућавајући им да обављају нове задатке или траже нове информације након анализе огромне количине података. (Уобичајени пример је АлпхаЗеро Гоогле ДеепМинд-а, који се може научити да савладава игре на плочи.)
"Дубоко учење доводи сложеније обликоване ствари на скуп тачака у већем простору", каже Јосхуа Сцхраибер, експерт за еволуцијску геномику на Универзитету Темпле. „Уместо да подесите линију између И и Кс, постављате неку шкакљиву ствар на скуп тачака у много већем, хиљадимензионалном простору. Дубоко учење каже: „Не знам који би шкакљив облик требало да одговара тим тачкама, али да видимо шта ће се догодити“.
У овом случају, машине су постављене да раде на анализирању људског генома и предвиђању људске демографије симулирајући како се наша ДНК могла развити током више хиљада могућих сценарија древне еволуције. Програм је обухватио структуру и еволуцију ДНК, као и моделе миграције и крижања људи како би покушали да уклопе неке делове заједно у невероватно сложену слагалицу.
Истраживачи су обучили рачунар да анализира осам различитих модела најпоузданијих теорија ране еволуције човека широм Евроазије. Модели су настали из претходних студија које су покушале да смисле сценарио који би резултирао тренутном сликом људског генома, укључујући његове познате неандерталске и Денисованове компоненте.
„Могли би бити и други модели, али ови модели су они које су други предлагали у научној литератури, “ каже Бертранпетит. Сваки модел започиње прихваћеним догађајем ван Африке, а затим садржи различит скуп највјероватнијих расцјепа између људских родова, укључујући различита крижања са познатим врстама и могућим врстама "духа".
Људи, или Хомо сапиенс, потичу од сложеног стабла усправних ходајућих предака, укључујући врсте из родова Ардипитхецус, Аустралопитхецус и Парантхропус . (Смитхсониан-ов програм о људском пореклу) "Са сваким од ових осам модела израчунавамо током неколико недеља рачунања колико су способни да достигну стварни, садашњи генетски састав људи", каже Бертранпетит. "Сваки пут када радимо симулацију, то је симулација могућег пута људске еволуције, и те симулације смо извели хиљадама пута, а алгоритми дубоког учења могу да препознају који од модела најбоље одговара подацима."
Закључак машине? Врста предака присутна је у нашој линији коју тек треба да идентификујемо. "Далеко су једини модели које смо тестирали, а који стварно подржавају податке, они који имају увид у ову популацију духова", каже Бертранпетит.
Интригантна студија и други слични њој могу помоћи у цртању мапе начина на који су људи мигрирали и развијали се, премда се чини да је све сложенији древни свет у Евроазији и Океанији.
„То је сигурно занимљиво и у складу са насталом сликом сложене ретикулиране филогеније у људској еволуцији“, каже путем е-поште Иаин Матхиесон, генетичар популације Универзитета у Пенсилванији. "Нисам чак ни сигуран да има смисла разговарати о" догађајима из прогресије ", кад се то чини нормом." У ствари, јер је тестирано само осам модела и многи други могу бити, Матхиесон додаје да су нови налази " свакако веродостојан сценарио, али стварност је вероватно још сложенија. "
Како се на терену праве нова фосилна открића, ажурирани модели сада се могу тестирати на људском геному користећи ове врсте програма. Сцхраибер каже да је моћ дубоког учења за проучавање људског порекла управо у његовој способности да анализира сложене моделе.
"Ако желите да направите изузетно детаљан модел, јер сте антрополог, и желите да знате да ли се та интрогрессија догодила пре 80.000 или 40.000 година, то је моћ оваквог приступа дубоком учењу."
Овако сложени, међупростор древне Евроазије још увек је само један део наше људске приче. Бертранпетит верује да будући напредак у дубоком учењу може помоћи у откривању других нових поглавља.
"Ова врста методе анализе имаће све нове резултате", каже он. „Сигуран сам да ће људи који раде у Африци пронаћи изумрле групе које још нису признате. Без сумње ће нам Африка у будућности показати изненађујуће ствари. "
