Han l?ser evolusjonsg?te med kunstig intelligens

Kjetil Lysne Voje skal bruke tusenvis av gamle fossiler, statistiske modeller og kunstig intelligens til ? finne svar p? en av evolusjonens aller st?rste g?ter.

Av Yngve Vogt
Publisert 27. mai 2021

EVOLUSJONSBIOLOG: Kjetil Lysne Voje vil forst? evolusjonen bedre ved ? sammenligne store mengder fossiler over tusener og millioner av ?r. Foto: Ola S?ther

Et av de store paradoksene i biologien er hvorfor evolusjonen utvikler seg raskt over kort tid, mens den ser ut til ? g? sakte over lang tid.

– Det er et stort sprik i forst?elsen av den raske evolusjonen mellom generasjoner og den sakte evolusjonen over millioner av ?r, forteller forsker Kjetil Lysne Voje p? Naturhistorisk museum ved Universitetet i Oslo. Han er evolusjonsbiolog og har f?tt femten millioner kroner i st?tte fra Det europeiske forskningsr?det for ? finne svaret p? dette merkelige paradokset i evolusjonens verden.

RASK EVOLUSJON: Et eksempel p? rask evolusjon er hvordan nebb[1]st?rrelsen til Darwin-finkene endret seg. Foto: Wikimedia

Et eksempel p? rask evolusjon er Darwin-finkene p? Galapagos?yene tusen kilometer utenfor kysten av Equador. Disse finkene stammer fra det latinamerikanske kontinentet. De har alle spesielle st?rrelser p? nebbene sine. Noen har store nebb, andre sm?.

– Evolusjon?re endringer skjer ofte gjennom naturlig seleksjon og genetisk variasjon, forklarer Voje.

– De finkene som ble f?dt med feil nebbst?rrelse, fikk ikke den samme tilgangen til mat. Da forsvant de. Det skyldtes naturlig seleksjon. Samtidig hadde finkene et stort genetisk mangfold, slik at noen av dem ble f?dt med rett nebbst?rrelse. Det var nettopp disse finkene som overlevde og kunne formere seg videre.

SAKTE EVOLUSJON: Et eksempel p? sakte evolusjon er trilobittene. De endret seg lite gjennom millioner av ?r. Foto: Colourbox

Et eksempel p? sakte evolusjon er utviklingen av trilobitter, en stor gruppe krepslignende leddyr som fantes i havet fra tidlig kambrium til slutten av permtiden, en periode p? vel 300 millioner ?r. Det fantes flere tusen arter av dem.

– N?r vi studerer trilobitter og finner eksemplarer av den samme arten, noen millioner ?r eldre, er det liten forskjell p? dem.

Fossilt mekka

For ? finne sammenhengen mellom evolusjon?r utvikling over kort og lang tid, skal Voje sammenligne store mengder fossiler. Her kan han se hvordan hver enkelt art har endret seg over tusener eller millioner av ?r. En slik oversikt kalles en tidsserie.

– Med disse tidsseriene f?r vi muligheten til ? forst? evolusjonen langt bedre enn tidligere.

Fossiler er spor av tidligere organismer som har levd p? Jorda. Noen tror at fossiler bare dreier seg om store dyr som Tyrannosaurus rex. Det er feil. Mange av dem er sm?, encellete skapninger.

De beste dataene er fossiler av encellete alger fra innsj?er. De er hentet fra overalt i verden, slik som USA og Peru.

– Med disse tidsseriene kan vi f?lge evolusjonen over nesten 300 000 ?r.

Noen av oss lever i den villfarelsen at fossiler m? v?re gamle. Det er ogs? feil. De yngste fossilene i samlingen til Voje er bare noen f? tusen ?r gamle. Disse fossilene er ogs? av encellete dyr. Forskerne finner dem ved ? ta kjernepr?ver fra bunnen i innsj?er. Kjernepr?vene gj?r det mulig ? hente frem fossiler fra de ulike bunnlagene. De eldste eksemplarene er nederst i kjernepr?vene. De yngste er ?verst. Noen ganger er det bare noen hundre ?r mellom hvert av funnene.

Forel?pig har Voje satt sammen noen hundre tidsserier. Alle fossilene er vitenskapelig beskrevet.

– Jeg st?r p? skuldrene til de store gigantene som har samlet inn dataene og publisert dem. Disse forskerne har som oftest ikke analysert dataene sine med tanke p? evolusjon?re endringer. De har f?rst og fremst v?rt interessert i ? se p? m?nstrene for ? identifisere arten. Jeg vil derimot bruke dataene deres til ? finne svar p? sp?rsm?l som tidligere ikke er besvart.

Statistikk-triks

MOSDYR-FOSSIL: Denne fossilen er en underart av mosdyrslekten Steginoporella. Kjetil Lysne Voje skal sammenligne mange fossiler over et langs tidsspenn fra hver av disse underartene for ? forst? hvordan evolusjonen har skjedd. For ? klare dette m? han ty til kunstig intelligens. Foto: Paul Taylor, Naturhistorisk museum, London.

Voje skal plotte inn alle de fossile tidsseriene i en statistisk modell. Da kan han teste ut de ulike eksisterende teoriene om hvordan evolusjonen kan ha foreg?tt. Han skal med andre ord analysere tidsseriene av fossilene for ? finne frem til de teoriene som kan passe til datamaterialet hans.

Evolusjonen kan ha foreg?tt p? forskjellige m?ter. Det trengs derfor flere modeller for ? dekke bredden i hvordan evolusjonen har skjedd.

– Evolusjonen kan foreg? raskt og spre seg i alle retninger, den kan v?re bundet og gjennomg? liten endring, og den kan v?re bundet en stund og s? endre seg raskt og s? v?re bundet igjen.

Sp?rsm?let er i hvilken grad de ulike modellene kan forklare de evolusjon?re endringene og om modellene f?r problemer n?r tidsskalaene blir for lange.

– Kanskje klarer vi bare ? forklare hvordan evolusjonen foreg?r over tusen ?r, men kanskje kan vi finne en modell som forklarer hvordan evolusjonen foreg?r over 100 000 ?r eller millioner av ?r. Det er nettopp det jeg skal finne ut av.

I den enkleste modellen hans ser han p? kroppsst?rrelsen og hvordan den endres over tid.

– Her skal jeg se om observasjonene mine er tilfeldige eller om det finnes et system. Kanskje er det evolusjonsmessig lurt ? v?re stor. Da kan det tenkes at de evolusjon?re endringene vi ser, ikke er tilfeldige.

Denne problemstillingen kan l?ses med det matematikerne kaller for maksimum likelihood. Hvis du lurer p? hva dette volapyket inneb?rer, er det lurt ? lese forklaringen i halvt tempo: Maksimum likelihood er en velbrukt metode som brukes til ? finne den sannsynlighetsfunksjonen der de observerte dataene er mest sannsynlige.

– Jeg forventer ikke at modellene skal kunne forklare alle tidsseriene v?re, men jeg ?nsker ? finne ut om de modellene som kan forklare hva som skjer p? kort tid, ogs? fungerer over lang tid. Det er mange hypoteser. Utfordringen min er ? luke ut de teoriene som vi mener ikke er gode nok og styrke dem vi tror p?. Jeg ?nsker med andre ord ? rydde litt opp i jungelen.

Tyr til kunstig intelligens

N? lurer du kanskje p? hvor den kunstige intelligensen kommer inn. Kjetil Lysne Voje skal bruke kunstig intelligens p? fossilene for ? si noe om hvor stort potensial artene hadde for ? endre seg. For ? finne ut av dette er det viktig ? skille mellom hvor mye av endringene som skyldes gener og hvor mye som skyldes milj?.

– Det er bare mengden av den genetiske variasjonen som styrer hvor mye en art kan endre seg.

Selv for biologer som studerer n?levende populasjoner, kan det v?re krevende ? finne ut hvor mye av variasjonen innenfor en art som skyldes milj? og hvor mye som skyldes gener. Og da kan du kan[1]skje tenke deg hvilket tilsynelatende umulig problem Kjetil Lysne Voje har rotet seg bort i. Forskere klarer bare sv?rt sjeldent ? hente ut DNA fra fossiler. Vanligvis fins ingen genetiske rester i fossiler.

– Det er nesten umulig ? studere den genetiske variasjonen i fossiler, med ett eneste unntak: mosdyr!

Mosdyr er en gruppe virvell?se, flercellete dyr som har eksistert i 500 millioner ?r og som fortsatt finnes. De lever i vann. De fleste av dem holder til i havet.

– Mosdyr har et fantastisk rikt fossilt materiale.

Sammen med kollegaer fra Naturhistorisk museum har Voje samlet inn fossiler fra flere tusen kolonier. Mange av dem er fra New Zealand. Noen av fossilene er opptil to og en halv million ?r gamle. Fossiler av mosdyr er de siste 30 ?rene brukt som et bevis p? at arter har endret seg sv?rt lite over millioner av ?r og at evolusjonen f?rst og fremst skjer n?r nye arter oppst?r. Voje er spent p? om de nye dataene hans kan bevise eller motbevise dette.

Alle mosdyr-individer lever i kolonier. Innad i en koloni er alle individene kloner av hverandre. Det betyr at alle individene i en koloni er genetisk identiske med hverandre. Likevel har de ulike oppgaver i kolonien. Noen av dem forsvarer kolonien. Andre skaffer mat.

– S? selv om individene er genetisk like i kolonien, har de ulike oppgaver og utseende. Dette handler om hvilke gener som er sl?tt av og p?.

Voje skal derfor bare sammenligne individer med de samme oppgavene i ulike kolonier.

Takket v?re denne besynderlige evnen hos mosdyr til ? klone seg selv, kan forskerne estimere hva den genetiske variasjonen betyr for evolusjonen over lang tid ved ? sammenligne fossilene med dem som lever akkurat n?.

Sp?rsm?let Voje stiller seg, er om arter med sm? mengder genetisk variasjon endrer seg lite sammenlignet med arter med mye genetisk variasjon, eller om mengden med genetisk variasjon spiller liten rolle for evolusjonshastigheten over millioner av ?r.

– Dette er vanskelig ? se med dagens dyr, men vi finner svaret i fossilene. Du kan derfor si at mosdyr er en historisk tidsmaskin.

For ? kunne estimere den genetiske variasjonen i de fossile mosdyrene, trenger forskerne mye data.

– Det har vi heldigvis. Og det er her maskinl?ringen kommer inn. Maskinl?ring er kunstig intelligens.

– Vi samler inn mange fossile mosdyr, tar bilder av dem og bruker maskinl?ring til ? studere detaljer i utseendet p? dyrene.

Maskinl?ringen har l?rt seg ? gjenkjenne de ulike individene i kolonien. De skal alts? bruke maskinl?ring til ? m?le ulike deler av utseendet til de enkelte mosdyr-individene for ? se hvor mye av variasjonen over tid som skyldes den genetiske variasjonen.

For ? komme i m?l har Voje 澳门葡京手机版app下载et med noen av verdens ledende mosdyr-forskere, b?de p? New Zealand, i London og ved Naturhistorisk museum i Oslo.

Teknikken som de bruker i maskinl?ringen, er den samme som brukes for ? kunne skille hunde- og kattebilder.

– Vi skanner alle mosdyrene. Algoritmene v?re ser s? etter bestemte trekk hos de individene i koloniene som vi ?nsker ? se n?rmere p?. Akkurat som vi kan trene opp dataprogrammer til ? gjenkjenne hva som er et ?ye, munnvik eller nesetipp hos hunder og katter, kan vi trene opp dataprogrammet v?rt til ? gjenkjenne de trekkene som vi er interessert i hos mosdyrene.

Etter ? ha testet algoritmene p? noen tusen bilder, er algoritmene blitt flinkere enn oss mennesker til ? finne de fysiske trekkene hos mosdyr.

– Vi utviklet denne programvaren for ? m?le egenskapene til mosdyr, men den virker uavhengig av organismer. Vi har testet programmet p? b?de fluevinger og fisk. Og vi har f?tt henvendelser fra biologer over hele verden om ? f? bruke denne programvaren, forteller Kjetil Lysne Voje.

– Programvaren er blitt en viktig b?rebjelke i evolusjonsforskningen v?r.

Publisert 27. mai 2021 08:02 - Sist endret 7. nov. 2025 15:10