想像一下，如果你的任務是對成千上萬的微小化石進行分類和分離，其中大部分化石的寬度不到一毫米。這將是一項相當乏味、耗時的任務……這就是為什麼科學家們最近創造了一個機器人來做這項工作。由北卡羅來納州立大學和科羅拉多大學博爾德分校的一個團隊開發，該設備被稱為Forabot。它被設計用來觀察統稱為有孔蟲的微小海洋生物的外殼化石–或簡稱為有孔蟲。

有孔蟲不完全是植物或動物，在地球的海洋中已經存在了超過1億年。通過確定哪種類型的有孔蟲存在於當年的哪些地區，科學家們可以更好地了解史前時期這些地方的海洋溫度、水化學和其它環境因素是什麼樣的。

目前，古生物學系的學生經常被分配去手工整理成堆的foram殼化石，按單個物種將它們分開。Forabot旨在將這些學生解放出來，學習更先進的技能，而不是做機器能做的事。

但是Forabot看起來並不像一個機器人古生物學學生

即使當Forabot接手時，人類仍然需要清洗和篩選數百個foram殼，從而得到一個看起來像一堆沙子的樣品。該樣本被放置在機器人的一個被稱為隔離塔的錐形部分。然後，一根針從塔的底部升起，穿過樣品，針尖上帶著一個叉子殼。

隨後，一個抽吸工具將針頭上的殼抽走，並將其轉移到機器人的另一個部分，稱為成像塔。在那裡，一個高分辨率的相機自動捕捉到化石的多張照片。

一台連接的計算機上的基於人工智能的算法對這些圖像進行評估，並確定該貝殼屬於哪種類型的牙床。根據這些信息，化石被從成像塔移到一個分揀站的特定物種容器中。

目前，Forabot的貝殼識別準確率為79%，據說比大多數人的準確率要高。它可以識別六種類型的foram，每小時識別27塊化石–這可能很慢，但與人不同的是，機器人可以在很長時間內完成這項工作而不感到疲憊。隨著它的進一步發展，它也應該變得更有能力。

北卡羅來納州的埃德加-洛巴頓副教授說：”這是一個概念驗證的原型，所以我們將擴大它能夠識別的foram物種的數量。而且我們樂觀地認為，我們也將能夠提高它每小時能夠處理的forams的數量。”

Forabot藍圖和人工智能軟件包括在關於該研究的論文中，該論文最近發表在開放獲取的《地球化學、地球物理學、地球系統》雜誌上。