古生物学の分野には、データの不足という大きな課題がある。特に脊椎動物の化石データは限られているため、AIによる画像認識技術の活用が期待されている。しかし、画像ベースのAIモデルを正確に学習させるには、どれほどの化石画像が必要かは長年の疑問だった。この問題に新たな答えを提示したのが、フロリダ大学名誉教授であり、フロリダ博物館の元脊椎動物古生物学キュレーターであるブルース・マクファデン氏が共同執筆した最新研究だ。同研究は学術誌『Paleobiology』に掲載された。 研究によると、画像認識AIを適切に訓練するには、約250枚の化石画像で十分であることが明らかになった。これは従来の予想よりも大幅に少ない数だ。これまで多くの研究者が数百乃至数千枚の画像が必要だと考えていたが、マクファデン氏らの研究は、質の高いデータセットを効率的に構築することで、少ない画像数でも高い精度のモデルが構築可能であることを示した。 この成果は、古生物学の研究効率を飛躍的に向上させる可能性を秘めている。特に、貴重な化石標本を扱う博物館や研究機関では、データ収集の負担を軽減しながら、AIを活用した分類や種の同定が現実のものとなる。マクファデン氏は、AIと古生物学の融合が、過去の生命の進化を解明する新たな道を開くと期待している。