Un gruppo di ricercatori del Helmholtz-Zentrum Berlin, in collaborazione con l’University of Edinburgh, ha sviluppato un modello di apprendimento automatico capace di classificare impronte di dinosauro con una precisione prossima al 90%. Il sistema nasce per affrontare una difficoltà nota da tempo nella paleontologia delle tracce: la deformazione progressiva delle superfici fangose su cui gli animali camminavano. L’alterazione naturale compromette molti dettagli morfologici e rende complesso attribuire un’impronta a un determinato gruppo.
Il nuovo approccio sfrutta circa 2.000 impronte fossili autentiche integrate da milioni di simulazioni digitali, progettate per riprodurre compressioni, variazioni dei bordi e distorsioni legate al processo di fossilizzazione.
Grazie a questa combinazione, l’algoritmo riconosce pattern geometrici difficili da valutare con la sola analisi manuale e riduce la componente soggettiva tipica delle classificazioni tradizionali.
Le caratteristiche analizzate dall’IA
Il sistema si concentra su otto elementi chiave utili per distinguere una traccia dall’altra. Tra questi rientrano l’apertura delle dita, la sagoma del tallone, la distribuzione della superficie appoggiata al suolo e la ripartizione del peso sulle varie zone del piede. Il modello confronta ogni nuova impronta con un ampio archivio digitale, stimando la probabilità che appartenga a una determinata linea evolutiva.
Durante le verifiche interne, il tasso di concordanza tra rete neurale e paleontologi si è mantenuto intorno al 90%, un valore ritenuto particolarmente rilevante per impronte considerate problematiche o controverse. La tecnologia offre inoltre una lettura più coerente tra campioni provenienti da contesti geologici differenti, elemento utile per creare database standardizzati a livello internazionale.
Tracce antiche e somiglianze con gli uccelli
Uno degli aspetti più discussi riguarda alcune impronte risalenti a oltre 200 milioni di anni fa. Il modello ha individuato similitudini tra queste tracce e la morfologia delle zampe di diversi uccelli, sia moderni sia estinti. Tale risultato apre due scenari interpretativi: una possibile origine anticipata rispetto alle analisi precedenti oppure la presenza di dinosauri con caratteristiche anatomiche simili agli uccelli per convergenza evolutiva.
Gli studiosi hanno applicato la stessa metodologia anche alle impronte rinvenute sull’isola di Skye, in Scozia. Le tracce, formate lungo il margine di una laguna circa 170 milioni di anni fa, risultavano difficili da collocare nei tradizionali gruppi tassonomici. La rete neurale suggerisce che possano appartenere a precoci parenti degli adrosauri, il vasto gruppo dei dinosauri dal becco d’anatra. Se confermata, si tratterebbe di una delle testimonianze più antiche mai identificate di questi erbivori.
DinoTracker apre la ricerca al pubblico
Una parte centrale del progetto è l’applicazione mobile DinoTracker, pensata per rendere l’analisi accessibile a chiunque. L’utente può caricare una foto o un disegno dell’impronta e ottenere una valutazione immediata sulla probabile origine. Il sistema esamina la forma generale, confronta i parametri geometrici con il database digitale e restituisce un’indicazione preliminare utile sia per appassionati sia per ricercatori sul campo.
Secondo il ricercatore Gregor Hartmann, lo strumento fornisce un metodo imparziale per osservare le variazioni tra impronte e testare ipotesi sulla loro provenienza. Anche il paleontologo Steve Brusatte ha definito l’approccio un passo avanti nella classificazione dei fossili, evidenziando il potenziale della collaborazione tra esperienza umana e analisi automatizzata.
Cosa cambia per la paleontologia delle tracce
L’utilizzo dell’intelligenza artificiale rende possibile affrontare dispute classificatorie aperte da decenni, studiare movimenti e abitudini dei dinosauri e ampliare il numero di impronte catalogate. Rimangono però interrogativi rilevanti: la qualità delle predizioni su tracce incomplete, la risposta del sistema a contesti geologici estremi e la possibilità di integrare nuovi dataset provenienti da scavi futuri.
Il progetto consolida l’idea che l’unione tra analisi computazionale e indagine paleontologica può accelerare molte fasi della ricerca, offrendo una visione più omogenea e confrontabile delle tracce lasciate dai dinosauri nel corso delle ere.
