古生物化石如同沉积地层的“身份证”，记录着地层形成的年龄、气候、地理和地貌等关键信息，在判断生油母质、油气生成和保存时代以及沉积环境分析中扮演重要角色。与我们耳熟能详的三叶虫、恐龙等大化石不同，在钻井岩心或岩屑中保存下来的一般是小到微米级的微观化石。微观化石虽然小，却以数量取胜，在地层中几乎无处不在；寿命虽短，但演化迅速，更有利于精细确定地层年龄，对环境变化的反应也更敏感。要用好这张地层的“身份证”，关键在于对化石进行准确分类和鉴定。然而，传统的微观化石鉴定工作效率低下、费时费力，且严重依赖专业人员的经验水平，主观性较强，不能满足高效、快速勘探评价的需要。

近年来，随着数字技术的高速发展，利用人工神经网络技术实现图像的数字化识别已日趋成熟。人工神经网络是利用计算机模拟人脑结构特征和功能特征的一类人工系统，目前在诸多行业已经开展了广泛应用。比如，生活中随处可见的人脸识别系统，给人们带来极大便利。此外，目前常见的一些花卉识别软件，识别花卉的准确度可达95%以上。同理，化石鉴定本质上也是基于经验积累的图像识别，这使得化石智能鉴定系统的研发成为可能。

从技术层面实现化石的智能识别并不难，但需要大量的样本供计算机深度学习。要想达到90%以上的准确率，每个化石属种需收集100张以上的照片样本。好在目前已有较多关于古生物的网络公开数据库，可进行大量化石照片的收集。另外，人工神经网络具有自学习和自适应的能力，使用越多，精度越高，因此可先进行较小样本量的尝试研发，将来再逐渐补充完善。

不难想象，原本可能需要半年时间完成的化石鉴定量，使用人工智能技术进行“刷脸”鉴定，也许只要几天就可能完成。这势必将带动整个古生物行业实现革命性发展。实际上，与许多传统地质学科一样，古生物学正在经历一场由定性研究向定量分析过渡的关键技术变革，其中人工智能和大数据分析等都将助力传统古生物学走向数字化。