یکی از شگفت‌انگیزترین نقاط تاریخ تکامل جانوران، لحظه‌ای است که گونه‌هایی که میلیون‌ها سال روی خشکی زندگی می‌کردند، دوباره به دریا بازگشتند. این فرآیند که به «بازگشت ثانویه به محیط دریایی» معروف است، شامل گروه‌هایی مثل نهنگ‌ها، فک‌ها، مارمولک‌های دریایی منقرض‌شده، پنگوئن‌ها و حتی برخی پرندگان بوده است. اما پرسش کلیدی دانشمندان همیشه این بوده که این فرایند دقیقاً چه زمانی رخ داده؟ و چگونه می‌توان بدون داشتن فسیل‌های کامل و بکر، این مسیر تکاملی را بازسازی کرد؟
در گزارش جدید IFLScience، پژوهشگران از یک روش نوین استفاده کرده‌اند: یادگیری ماشین. آن‌ها یک مدل هوش مصنوعی را آموزش دادند تا بتواند با بررسی داده‌های حرکتی، مورفولوژیک و نسبت‌های استخوانی، زمان نسبی «آبزی شدن» دوبارهٔ گونه‌ها را تخمین بزند. این الگوریتم با تحلیل صدها داده از گونه‌های منقرض‌شده و زنده، توانست الگوهای تکاملی پنهان را استخراج کند—الگوهایی که پیش‌تر با روش‌های سنتی یا به‌علت ناقص بودن فسیل‌ها قابل تشخیص نبودند.
یکی از یافته‌های مهم پژوهش این بود که تکامل رفتاری و تکامل فیزیکی لزوماً هم‌زمان رخ نمی‌دهد. به‌عنوان مثال، برخی گروه‌ها ممکن بود میلیون‌ها سال قبل وارد آب شوند اما تغییرات اسکلتی کامل—مانند کوتاه شدن اندام‌ها، شکل‌گیری باله‌ها یا تغییر محل اتصال مهره‌ها—خیلی دیرتر اتفاق بیفتد. این فاصله‌های زمانی، «مرحله‌های انتقالی» را نشان می‌دهد که در فسیل‌ها همیشه به‌خوبی حفظ نمی‌شوند.
نتیجه مهم دیگر این بود که بازگشت به آب چندین بار و در چند شاخهٔ متفاوت از درخت حیات رخ داده است. نهنگ‌سانان در حدود ۵۰ میلیون سال پیش دوباره وارد آب شدند، در حالی که برخی خزندگان منقرض‌شده خیلی زودتر و برخی پرندگان (از جمله اجداد پنگوئن‌ها) بسیار دیرتر این مسیر را طی کردند. الگوریتم یادگیری ماشین نشان داد که این فرایند نه‌تنها چندمرحله‌ای بوده، بلکه در هر خط تکاملی شدت و سرعت متفاوتی داشته است.
هوش مصنوعی ابزاری است که می‌تواند بدون نیاز به فسیل‌های کامل، با بررسی الگوهای آماری در ساختار بدن زمان تقریبی «آبزی شدن» گونه‌ها را پیش‌بینی کند. چنین رویکردی نگاه جدیدی به تکامل مهره‌داران ارائه می‌دهد و به ما کمک می‌کند مسیرهای ناشناختهٔ تکاملی را ترسیم کنیم؛ مسیرهایی که در اثر کمبود شواهد فسیلی، پیش‌تر مبهم باقی مانده بودند.
این مطالعه نشان می‌دهد که ترکیب علم دیرینه‌شناسی با فناوری‌های یادگیری ماشین می‌تواند فصل تازه‌ای در فهم تاریخ حیات روی زمین بگشاید—فصلی که در آن داده‌های ناقص فسیلی دیگر مانع فهم ما از گذشتهٔ شگفت‌انگیز حیات نخواهد بود.