无论是在东方还是西方，“算命”听起来都是一件迷信又神秘的事，但当这个词出现在科学家的世界里，它的意思就变成了“通过对已知信息的归纳分析，推测生命形态演变过程”。科学家“算命”，是能得出科学结论的——对不同的动物来说，它们的不同长相，的确可能影响它们在灭绝中的命运。
2024年6月，中国地质大学(武汉)地球科学学院教授宋海军就带领团队，做了一项给化石“算命”的研究。
他们利用深度学习技术与自动化方法，也就是我们所说的AI的一种，研究了史上最大的灭绝事件——二叠纪-三叠纪之交灭绝事件中生物形态的演变过程，揭示了在这一“毁天灭地”的大灭绝中，海洋生物的不同“长相”如何决定了它们的命运。
巨大的恐龙和渺小的中生代哺乳动物哪个更容易在大灭绝中存活下来？这个问题可能很容易，但对于其他生物，或其他大灭绝来说，结论还是一样的吗？
生存还是毁灭，与“长相”是否有关？
在地球的历史上，曾发生过五次大规模生物灭绝事件，其中最知名的可能是白垩纪末的小行星撞击地球，它很可能是当时高大威猛的恐龙全部灭绝的原因。而低矮的哺乳动物幸存下来，其中的一个物种最终演化为我们人类。
实际上，这一事实就说明了白垩纪末的灭绝中，灭绝与否与“长相”，也就是动物的形态强相关——长得大的动物因为需要食物多，在灭绝中容易饥饿而死。
然而，对于历史上最严重的一次大灭绝事件，也就是发生在距今约2.52亿年的二叠纪末大灭绝来说，动物形态与灭绝的相关性却不太明确。这次大灭绝被称为“大灭绝之母”，导致高达96%的海中生物消失，其中就包括鼎鼎有名的三叶虫和板足鲎。
这次灭绝事件历时很长，分两次发生，分别是持续约数百万年的渐进期和最后100万年的高峰期。有些动物在渐进期灭亡，而更多则在高峰期灭绝，如小型的甲壳动物和介形纲（Ostracoda），与大型的、固着不动的滤食性腕足动物（Brachiopoda）的大规模灭绝，先后相差了72万年到122万年。
由于不同种类动物灭绝的原因和时间均不一致，加之灭绝者众多，无论形态如何的动物都几乎全部灭绝，只有少量种类成功渡过了此次危机，无法简单推出形态与灭绝的相关性。因此，在过去的研究中，科学家对此次灭绝事件是否对动物的形态有选择，一直没有确切的答案。
AI是怎么“算命”的？
除了灭绝事件本身的复杂性外，技术限制也局限了科学家对二叠纪末灭绝的研究。
在过去，研究灭绝与否和形态的联系，都需要科学家手动根据化石形态进行分析，他们要对照每个化石或化石图片，将灭绝事件前和灭绝事件后相同形态的古生物（如带尖的、带刺的、光滑的、壳细扁的、壳宽圆的）分别归类，观察相同形态的动物所占比例在灭绝事件前后是否有改变。
此类“传统研究”得出的结果，受到科学家所选的研究对象、采用的研究方法的影响很大。
例如，使用传统形态描述方法的研究表明，在灭绝事件期间，菊石（一种鹦鹉螺的古生物远亲）的形态差异几乎没有减少，表明灭绝事件没有形态选择性；相反，使用其他研究方法，如使用综合离散特征分析（根据形态变化范围最大和最小值、数据方差之和与数据的中位数综合分析），则表明菊石在灭绝事件中形态多样性显著减少，支持了灭绝事件有形态选择性的结论。
若要得出更为准确的结论，就要有足够多的样本量，并使用更为准确的方式进行分析。在此类大数据分析上，新生的AI技术无疑大有可为。
为了实现这一目标，宋海军教授团队开发了一种名为DeepMorph的分析流程，它将从图像中提取特征的深度学习技术与几何形态测量方法相结合，自动分析化石标本的轮廓，有效捕捉化石的形态，将其简化为二维平面图形，从而将各种形态类型明显区分开来，再通过多次抽样重复这个过程。
为此，宋海军教授团队汇编了一个全面的数据库，其中包含二叠纪末大灭绝中6个得到广泛记录的海洋古生物的化石标本图像，包含鹦鹉螺的古生物近亲菊石类，长有双壳、滤食的腕足动物，两片甲壳包着肉的“虾饺”介形类，双壳类（蛤类）和腹足类（螺类），以及长着尖牙利齿的脊椎动物牙形类。
这一数据库包括了灭绝事件前和灭绝事件后由656幅图像代表的599个属，横跨二叠纪晚期的长兴期至三叠纪早期的印度期，从距今254.14百万年前一直到250.7百万年前，为AI的深度学习提供了强有力的大数据支持。
a：DeepMorph的工作原理，将从出版物中收集的模式标本图像通过U2-Net模型分割转换为二进制格式，随后提取化石轮廓与形态特征，纳入数据库中。b：将形态转化为多元正态分布数据；c：使用多元正态分布数据进行选择性灭绝模拟，最终生成Selective pattern的灭绝模式图。
不同类群的动物，“长相”与命运的关系是否相同？
DeepMorph对数据的分析与离散特征分析较为相似，以范围总和（SOR，数据所占的所有范围，以形态最特别的确定；如外壳最光滑的为0，最粗糙的为10，范围即为0-10）、方差总和（SOV，每个数据与平均值的方差之和，表示数据多样性大小）与质心位置（POC，数据的中位数）分析作为手段，推测灭绝事件对形态的选择性。
研究发现，对于不同类群的动物，“长相”与命运的关系并不相同。在大灭绝期间，大部分门类灭绝较多的都是大型、壳上带有复杂或强烈纹饰（如刺、肋、瘤）的动物，而牙形动物则没有表现出形态选择性灭绝的迹象。
在灭绝事件前后，菊石灭绝的主要是壳上带有复杂且装饰性强的结构，反映在数据上便是中点一侧灭绝较多，被称为不对称选择性灭绝。
外壳扁平光滑、装饰性较弱的齿菊石目Ceratitida和前碟菊石目Prolecanitida幸存下来，渡过了大灭绝，并迅速演化出许多新生的类型，但新生类型的形态也大体维持了光滑的样貌，说明菊石的长相与它们是否灭绝有强相关性。
晚二叠世长兴期（橙色）、过渡层（灰色）、早三叠世印度期（蓝色）各种动物的形态分布范围（范围总和）。菊?为（a）、腕足类为（b）、介形?为（c）、双壳类为（d）、腹足类为（e），牙形刺为（f），可见不同的灭绝模式。
腕足动物的各项数据都大大下降，属一级的丰富度下降了96.65%，说明绝大部分腕足类都在此期间灭绝了。它们之所以受灾严重，主要是由于它们厚重的壳需要大量碳酸钙，而海洋酸化严重阻碍了钙质壳的形成，因而贝壳复杂、厚实且具有装饰的种类几乎全部灭绝。
它们的幸存者和新出现者大多来自形态更简单的石燕贝类Spiriferid和小嘴贝类Rhynchonellid，这些动物的的体型较?，纹饰简化，贝壳半透明，减少了钙质的使用，而介形虫主要灭绝的类群是带有最细?和最粗短的贝壳的特化类群。
这两个类群表现出边缘性选择性灭绝，灭绝像枪打出头鸟一样，将最特化的类群清除。与二叠纪更为多样化的形态相?，三叠纪的腕足类和介形类保持了大致的平均形态，最普通者得以幸存下来。
现存的小嘴贝类Terebratalia transversa，有着较薄的半透明壳。
我们熟悉的类群，螺类和双壳贝类——腹足类和双壳类的灭绝则与形态没有确切关系。
每个饲养或观察过螺类和蛤类的人，应该都对它们的生存能力称赞有加，无论是浑浊、过热还是缺氧的条件，螺和蛤类都能在其中生活；即使没有食物，它们也能依赖自身储备和缸壁生长的藻类生活很久，这也是它们得以在历次大灭绝事件中存活的原因之一。它们的所有主要形态类型都幸存了下来，灭绝几乎与它们的形态无关，这只是幸运或不幸的区别。
来自俄亥俄州沃伦县的奥陶系Fairview组Ambonychia ulrichi化石，约4亿年前，属于翼形亚纲，已与现代扇贝有相似性。
而另一个分类群——牙形石的形态空间并没有受到灭绝事件的明显影响。
与其他演化支不同，牙形石在大灭绝中形态多样性减少很小，相反，在第一次灭绝脉冲之后，它们的形态空间不减反增，表明其在灭绝事件期间仍如鱼得水，更为繁盛，探索出各种各样不同的新形态，而鱼类也与其类似，这可能与它们的竞争者（如同样肉食的菊石、鹦鹉螺等）数量减少有关。
二叠纪-三叠纪大灭绝期间六个分支的灭绝者、幸存者和新出现者的形态变化。黄色为新出现者，红色为灭绝者，绿色为幸存者。
四种不同的选择性灭绝模式，红线代表灭绝事件。a，横向选择性灭绝，如菊石；b，边缘选择性灭绝，包括腕足类和介形虫；c，非选择性灭绝，包括双壳类和腹足类；d，牙形刺可忽略不计的形态灭绝。
给化石“算命”，有什么重要意义？
在历史上，五次大灭绝的发生原因各不相同，诸如火山爆发、气候变化、行星撞击等，每次灭绝事件对环境的影响不同，受其影响而灭绝的生物也各不相同。
如菊石依靠耐低氧的能力渡过了多次大灭绝，但在白垩纪末严重的海洋酸化中，因为钙质壳无法形成而最终灭绝；牙形石在最为严重的二叠纪末大灭绝中受影响不大，但在程度较弱的三叠纪末大灭绝中却未能幸存。
牙形类奥泽克刺Ozarkodina的复原图，牙形类是一类无颌类脊椎动物，长的像一条小鱼，它们口部的牙齿一样的结构变成化石，称为牙形石或者牙形刺。它们成功渡过了二叠纪末的大灭绝，但却在三叠纪末规模较小的灭绝事件中灭绝了。
（图片来源：作者绘制）
而在现代，人类活动对地球的影响引发了诸多环境问题，如极端高温、酸雨、林木和栖息地破坏、生物入侵和环境污染等，造成了新一轮的灭绝浪潮。
人类文明诞生至今造成了83%的野生动物的灭绝，物种灭绝的速度估计是人类出现前平均灭绝速度的100倍。在人类对环境的影响下，哪些物种、哪些类群、哪些生态系统更容易灭绝？
宋海军教授表示，通过分析化石记录中的形态多样性变化，可以更好地预测和应对当前生物多样性面临的威胁。例如，地理分布范围很广的分类群（如鸟类），可以在偶然的栖息地破坏中得以幸存，但一旦全球环境同时改变，它们便无法抵御；而一些生存能力强但分布狭窄的类（如洞穴鱼类和螺类）也许可以抵抗环境变化，但一旦栖息地被破坏，它们也会随之灭亡。
2019年1月9日,已知世上最后一只金顶小玛瑙螺Achatinella apexfulva “乔治”逝世，终年14岁。这些蜗牛只分布于夏威夷，它们在过去很丰富，但却因为食肉动物的入侵濒临灭绝或已经灭绝。
通过对过往灭绝生物的研究，我们可以以史为鉴，揭示灭绝机制并预测生物物种的灭绝风险，寻找到在当前环境下生存能力较差的类群，并对其进行保护；此外，使用AI技术——DeepMorph自动化方法对古生物化石进行分析的方法，也可以作为一个起点，为未来开展深度学习与地球生物学的交叉研究提供了更多思路与可能。
