人工智能发现鸟类进化中的“爆发式”演化

长期以来，进化理论认为生物多样性演化呈现“快-慢交替”的脉冲模式：即在短时间内快速分化，随后进入缓慢调整期。本研究首次通过人工智能大规模分析现代鸟类骨骼数据，证实了这一模式。研究团队利用自主研发的AI工具“Skelevision”，在7年合作中建成可精准测量鸟类12块骨骼的模型，扫描并量化了来自密歇根大学动物博物馆等机构的超1.5万件标本（涵盖2000多种鸣禽），获取逾17万组骨骼测量数据。在此基础上，首席作者Jake Berv开发了名为“bifrost”的新型统计方法，首次实现对整具骨架形态演化的整体建模（而非单块骨头孤立分析），从而重建了过去约4500万年鸣禽体型演变过程。结果发现：约3500万年前（始新世—渐新世之交），全球剧烈降温期间，鸟类体型演化速度出现显著高峰；而约1500万年前，又出现一组演化明显放缓的集群，同样对应重大地质事件。研究还发现，地理因素也影响演化速率——高纬度地区（季节温差大）的鸟类，平均形态演化速度更快；这种“时间尺度上的爆发+空间尺度上的梯度”规律高度一致，表明环境波动（尤其是气候变异性）是驱动体型快速适应的关键力量。此外，研究凸显了传统博物馆标本在AI时代的新价值：海量历史标本经数字化后，成为探索宏观演化规律不可替代的数据基石。最后，成果对当下全球气候变化具有启示意义——过去气候剧变引发的演化爆发，提示我们需重视当前人类活动导致的快速环境变化可能触发新一轮生物适应性响应。