Kasvitutkimus ja tekoäly

Jo vuosisatojen ajan kasvitieteilijät ovat keränneet kasveja, puristaneet niitä, kuivanneet ja säilyttäneet niitä kasvitieteellisissä kokoelmissa.

Nämä näytteet luotiin alun perin lajien fyysisinä tallenteina, mutta digitalisointi antaa niille nyt aivan uuden tieteellisen roolin.

Yli 145 miljoonaa kasvi- ja sieninäytettä yli 170 laitoksesta 40 eri maasta on nyt digitoitu. Kuvattuaan ne ja sijoitettuaan ne hakukelpoisiin tietokantoihin, näitä historiallisia kokoelmia voidaan analysoida mittakaavassa, joka olisi ollut mahdotonta yksittäisille tutkijoille.Tekoäly auttaa muuttamaan nämä arkistot todisteiksi siitä, miten luonto on muuttunut ajan mittaan.

Kahdeksan miljoonaa näytettä analysoitu

Tutkijat kouluttivat koneoppimisjärjestelmän tunnistamaan, olivatko kasvit kukkineet digitoitujen kasvitieteellisten kuvien perusteella. Mallia sovellettiin sitten noin kahdeksaan miljoonaan säilytettyyn näytteeseen, jotka edustavat noin 200 000 lajia eri puolilta maailmaa. Kokeen mittakaava on vaikuttava.

Koneoppimistutkija David Williamsonin mukaan automatisoitu analyysi kesti noin viikon. Sama työ manuaalisesti olisi voinut vaatia noin 40 000 tuntia - mikä vastaa noin 20 vuotta kokopäiväistä työtä. Se ei tarkoita, että tekoäly korvaisi kasvitieteilijöitä.

Sen sijaan se mahdollistaa tutkijoiden käsitellä valtavia kokoelmia nopeasti, jättäen asiantuntijoille enemmän aikaa tutkia kuvioita, tarkistaa epätavalliset tulokset ja esittää kysymyksiä, joita aiemmin oli liian suuri tutkia.

Teoälyn todellinen etu on nopeus: se pystyy paljastamaan kuvioita, jotka ovat piilossa miljoonissa näytteissä, samalla kun asiantuntijat ovat vastuussa tulkitsemisesta.

Kukinta-ajat siirtyvät

Yksi selkeimmistä havainnoista koski kukintaa. Viimeisen vuosisadan aikana globaalit kukinta-ajat ovat siirtyneet keskimäärin noin 2,5 päivää vuosikymmenessä.

Muutos ei ollut samanlainen kaikkialla. Osa lajeista kukki aikaisemmin, kun taas toiset siirtyivät myöhemmin. Tutkijoita yllätti eniten missä voimakkaimmat muutokset nähtiin. Koska nopeinta lämpötilan nousua ilmastonmuutoksen yhteydessä tapahtuu korkeilla pohjoisilla leveysasteilla, olisi voitu odottaa dramaattisimpia muutoksia siellä.

Sen sijaan jotkut suurimmista muutoksista havaittiin trooppisilla alueilla. Kasviekologi James Speed selitti, että trooppinen kukinta on usein tiiviissä yhteydessä sateeseen eikä niinkään pelkästään lämpötilaan. Jos muuttuvat ilmasto-olosuhteet muuttavat sateisten kausien ajoitusta tai luotettavuutta, kasvit voivat reagoida kukkimalla eri aikoina.

Miksi ajoitus on tärkeää

Muutama päivä saattaa kuulostaa vähäiseltä, mutta kukinta on osa paljon laajempaa ekologista kalenteria. Kasvit, hyönteiset, linnut ja muut eläimet riippuvat usein tapahtumista oikeaan aikaan. Jos kasvi kukkii aikaisemmin mutta sen pääpölyttävä hyönteinen ei ole sopeuttanut elinkaartaan samalla tavalla, nämä kaksi lajia voivat menettää synkronoinnin.

Tämä epäsuhde voi vähentää onnistunutta pölytystä. Vaikutukset voivat sitten levitä laajemmalle ekosysteemeissä. Vähemmän pölyttäviä hyönteisiä voi vaikuttaa hyönteisiä syöviin lintuihin, kun taas muutokset pölytyksessä voivat vaikuttaa myös viljelytuotantoon ja villien kasvien lisääntymiseen.

Ilmastonmuutoksen ei tarvitse heti hävittää lajia häiritäkseen ekosysteemiä. Pelkästään biologisten tapahtumien ajoituksen muuttaminen voi aiheuttaa seurauksia koko ravintoverkossa.

Vanhat kokoelmat saavat uutta arvoa

Kasvitieteelliset näytteet ovat erityisen hyödyllisiä, koska monet niistä kerättiin vuosikymmeniä tai jopa vuosisatoja sitten. Jokainen näyte voi säilyttää tietoja siitä, missä kasvi kasvoi, milloin se kerättiin ja missä kehitysvaiheessa se oli. Kun miljoonat nämä tietueet yhdistetään, tutkijat voivat vertailla historiallisia kuvioita nykyaikaisiin.

Tämä muuttaa museoiden kokoelmat jotain, joka muistuttaa globaalia ympäristön aikakonetta. Näytteet, jotka aikaisemmin toimivat pääasiassa taksonomisina viitteinä, voivat nyt auttaa vastaamaan kysymyksiin ilmastonmuutoksesta, lajien levinneisyydestä, kukinta-malleista, biodiversiteetin menetyksestä ja jopa sukupuuttoon kuolemisen riskistä.

AI voisi auttaa löytämään tuntemattomia lajeja

Sama teknologia voi myös auttaa tutkijoita kohtaamaan toisen valtavan haasteen: suurin osa planeetan biodiversiteetistä ei ole vielä muodollisesti dokumentoitu. Yli 90 % sienilajeista uskotaan esimerkiksi olevan edelleen kartoittamatta. Samaan aikaan lajeja katoaa niin nopeasti, että jotkut saattavat kadota ennen kuin ne on täysin kuvattu.

Koneoppimistyökalut voivat auttaa etsimällä digitoituja kokoelmia epätavallisia näytteitä ja merkitsemällä ne asiantuntijoiden tarkistettaviksi. Tilastolliset mallit voivat myös arvioida, voiko pitkään näkemättä ollut laji olla sukupuuton partaalla vai onko se yksinkertaisesti jäänyt huomaamatta. Tämä tieto voisi auttaa tutkijoita päättämään, missä kenttäkartoituksia tarvitaan kiireellisimmin.

Miksi ihmiset ovat edelleen tärkeitä

Tekoäly voi tunnistaa kuvioita nopeasti, mutta se ei voi itsenäisesti päättää ovatko nämä kuvioita biologisesti merkittäviä.

Taksonomi Martin Cheek on väittänyt, että automaattinen tunnistaminen voisi säästää asiantuntijoilta merkittävästi aikaa, erityisesti yleisten lajikkeiden kanssa toimiessa.

Asiantuntijat voivat sitten keskittyä enemmän huonosti tunnettuihin organismeihin ja uhanalaisiin lajeihin. Mutta asiantuntijan vahvistus olisi edelleen välttämätöntä.

Williamson tekee samanlaisen huomautuksen: koneoppimisjärjestelmät suoriutuvat vain niin hyvin kuin siihen käytettyä tietoa.

Tutkijoita tarvitaan edelleen suunnittelemaan kysymyksiä, valitsemaan sopivia tietoja, testaamaan malleja, tarkistamaan virheet ja tulkitsemaan tulokset.

AI voi nopeuttaa tieteellistä työtä, mutta se ei voi korvata ekologisten ja taksonomisten tietojen tarvetta ymmärtääkseen mitä tulokset todella tarkoittavat.

Digitalisointien välinen kuilu

On toinen suuri rajoitus. Vaikka digitaalisten kokoelmien nopea kasvu, alle 16 % maailman kasvitieteellisistä näytteistä on tällä hetkellä saatavilla digitaalisessa muodossa.

Suurimmat aukot löytyvät maista, joilla on poikkeuksellisen rikas biodiversiteetti. Kokoelmat voivat olla alimitoitettuja, huonosti dokumentoituja tai erillään kansainvälisistä tietokannoista.

Tämä luo vakavan epätasapainon. Tekoäly voi analysoida vain sen aineiston, joka on digitoitu, mikä tarkoittaa, että tärkeät alueet ja lajit voivat pysyä näkymättömissä.

Uusi tieteellinen arkisto

Historiallisten näytteiden ja modernin koneoppimisen yhdistelmä muuttaa, mitä museoiden kokoelmat voivat tehdä.

Kuivattu kasvi, joka kerättiin sukupolvien takaa, voi nyt auttaa tiedemiehiä jäljittämään muuttuvia sadesesongeja, muuttuvia kukinta-ajankohtia tai häviäviä lajeja.

Teknologia on voimakas ei siksi, että se korvaisi vuosisatojen kasvitieteellistä työtä, vaan siksi että avaa sen.

Kahdeksan miljoonaa näytettä ovat jo osoittaneet, että luonnontieteelliset kokoelmat sisältävät paljon enemmän tietoa kuin tutkijat aiemmin pystyivät erottamaan - ja digitoitumisen laajetessa, nämä arkistot voivat tulla yhdeksi arvokkaimmista työkaluista ymmärtääksemme kuinka ilmastonmuutos muokkaa elämää Maapallolla.