史丹佛大學的研究人員創建了 SandAI，這是一種人工智慧工具，可以揭示石英砂粒的古代歷史，識別風、河流、波浪或冰川如何塑造它們。透過使用機器學習，SandAI 提高了微觀結構分析的準確性和客觀性，使其對於地質研究和法醫調查（例如追蹤非法採砂）很有價值。
史丹佛大學的研究人員創建了一種名為 SandAI 的人工智慧工具，能夠揭示石英砂粒跨越數億年的歷史。 SandAI 使科學家能夠準確地確定風、河流、波浪或冰川運動是否塑造和沈積了沙粒。
該工具為研究人員提供了一個了解過去進行地質和考古研究的獨特窗口，特別是對於那些很少有其他線索（例如化石）隨著時間的推移而保存下來的時代和環境。 SandAI 的方法稱為微觀結構分析，還可以幫助對非法採砂及相關問題進行現代法證調查。
「在沒有受到干擾或變形的沉積物上工作感覺就像坐在時間機器裡一樣——你可以準確地看到地球表面的情況，甚至是數億年前的情況。 SandAI 為我們可以從中獲得的資訊添加了另一層細節。哈森是一項展示該工具的新研究的主要作者，該研究於本週發表在《美國國家科學院院刊》上。
洩密簽名
從歷史上看，微觀結構分析是透過手工和 烏幹達 電話號碼庫 肉眼進行的，使用放大鏡和顯微鏡來嘗試推斷沙粒的歷史。現代科學已經驗證了這種方法，表明運輸機制確實傳遞了明顯的特徵——例如，傳播得更遠的穀物通常看起來更圓，因為它們的尖角變鈍了；海浪和風也會留下獨特的磨損圖案。
然而，傳統的微觀結構分析是高度主觀的、耗時的，並且在不同的研究中是分散的。由於新工具，它利用機器學習的力量來深入檢查沙粒的微觀圖像，微觀結構分析現在可以更加定量、客觀，並且在廣泛的應用中可能有用。它還分析單一沙粒，而不是將多個沙粒歸為一個類別，從而提供更完整的評估。
論文的資深作者拉波特爾(Lapôtre) 表示：「我們不再由人類來判斷沙粒的一種紋理與另一種紋理是什麼，而是使用機器學習來使微觀紋理分析更加客觀和嚴格。 “我們的工具為微觀結構分析應用打開了大門，這是以前無法實現的。”
在世界範圍內，沙子是繼水之後使用最多的資源，在建築業中至關重要。混凝土、砂漿和一些灰泥等材料需要角砂以獲得適當的附著力和穩定性。然而，測量沙子的來源以確保道德和合法來源具有挑戰性，因此研究人員希望 SandAI 能夠增強可追溯性。例如，SandAI 可以幫助法醫調查人員打擊非法採砂和疏浚行為。
培訓工具
為了建構 SandAI，研究人員採用了一種以 GPT 商店：如何透過銷售 GPT 賺錢 類似於人腦的方式「學習」的神經網絡，其中正確的答案加強了程式中人工神經元或節點之間的聯繫，使電腦能夠從錯誤中學習。
在世界各地合作者的幫助下，哈森收集了數百張沙粒的掃描電子顯微鏡圖像，代表來自最常見陸地環境的物質：河流（河流和溪流）、風成沉積物（風吹沉積物，如沙丘）、冰河和海灘。
哈森說：“我們希望這種方法不僅適用於整個地質時期，而且適用於地球上的所有地理區域。” 「因此，例如，風吹沙丘類的設計就包括濕和乾、大和小的例子。我們需要課程盡可能多樣化。
SandAI 分析了這組圖像，以訓練自己根據人類研究人員可能無法識別的特徵來預測沙粒的歷史。該工具自然會犯錯誤，然後會迭代改進。一旦 SandAI 達到了 90% 的預測準確度，研究人員就引入了模型以前從未見過的新樣本。
SandAI 的砂岩圖像來自從當今到大約 2 億年前的侏羅紀時代的特徵明確的環境，SandAI 表現出色，正確地闡明了顆粒的運輸歷史。
新穎的科學與應用
接下來，研究人員用從挪威收集的沙粒 007 數據 圖像對該工具提出了挑戰，這些沙粒的歷史可以追溯到 6 億多年前的成冰期。這個時期被稱為「雪球地球」時期，人們認為在植物和動物進化之前冰蓋已經覆蓋了整個地球。被稱為「Bråvika Member」的樣本的起源一直存在爭議，不同的研究小組得出了不同的結論。
哈森說：“通過這個 Cryogenian 樣本，我們看到了我們可以將 SandAI 推向多遠，並真正利用它來進行新的科學研究，而不僅僅是驗證該工具是否有效。”
有趣的是，SandAI 推測古代沙粒是作為風吹沙丘的一部分而形成和沈積的——這與一些手工微觀結構研究一致。此外，由於該工具分析單個沙粒，而不是將多個沙粒歸為一個類別，因此出現了其他細節。雖然主要特徵確實表明了風的傳輸，但手工技術可能會錯過的次要特徵則指向冰川沙。這些訊號共同描繪了一幅在冰川附近某處運行的沙丘的肖像，正如雪球地球時期所預料的那樣。
研究人員已將SandAI 在線提供給任何人使用。他們計劃根據用戶回饋繼續開發該工具，並期待看到該工具在各種環境中得到應用。
哈森說：“事實上，我們現在可以提供有關地質礦床的詳細結論，而這些結論在我發現之前是不可知的，這有點令人興奮。” “我們期待看到 SandAI 還能做些什麼。”