Digitális herbárium

Évszázadokon át a botanikusok növényeket gyűjtöttek, lepréselték, megszárították, majd herbáriumokban tárolták őket.

Ezek a példányok eredetileg a növényfajok fizikai dokumentációjaként szolgáltak, a digitalizálás azonban teljesen új tudományos szerepet ad nekik. Mára több mint 145 millió növény- és gombapéldányt digitalizáltak 40 ország több mint 170 intézményéből.

Miután lefényképezik és kereshető adatbázisokba helyezik őket, ezek a történelmi gyűjtemények olyan léptékben elemezhetők, ami egyes kutatók számára korábban elképzelhetetlen lett volna. A mesterséges intelligencia segít ezeket az archívumokat annak bizonyítékává alakítani, hogyan változott a természet az idők során.

Nyolcmillió példányt elemeztek

A kutatók egy gépi tanulási rendszert tanítottak be arra, hogy felismerje, virágoztak-e a növények a digitalizált herbáriumi képeken. A modellt ezután mintegy nyolcmillió, megőrzött példányon alkalmazták, amelyek a világ különböző részeiről származó, hozzávetőleg 200 000 fajt képviseltek. A kísérlet léptéke figyelemre méltó.

David Williamson, a gépi tanulással foglalkozó kutató szerint az automatizált elemzés körülbelül egy hetet vett igénybe. Ugyanezen munka kézi elvégzése nagyjából 40 000 órát igényelt volna, ami körülbelül 20 év teljes munkaidős munkájának felel meg. Ez azonban nem jelenti azt, hogy a mesterséges intelligencia kiváltja a botanikusokat.

Ehelyett lehetővé teszi a kutatók számára, hogy gyorsan dolgozzanak fel hatalmas gyűjteményeket, így a szakértőknek több idejük marad a mintázatok vizsgálatára, a szokatlan eredmények ellenőrzésére és olyan kérdések felvetésére, amelyek korábban túl nagy léptékűek voltak ahhoz, hogy tanulmányozzák őket.

A mesterséges intelligencia valódi előnye a gyorsaság: milliónyi példányban rejtőző mintázatokat képes feltárni, miközben az eredmények értelmezéséért továbbra is a szakemberek felelnek.

Változik a virágzás időzítése

Az egyik legvilágosabb eredmény a virágzással volt kapcsolatos. Az elmúlt évszázad során a globális virágzási időpontok évtizedenként átlagosan mintegy 2,5 nappal tolódtak el.

A változás iránya nem volt mindenhol azonos. Egyes fajok korábban kezdtek virágozni, míg másoknál későbbre tolódott a virágzás. A kutatókat leginkább az lepette meg, hogy hol jelentkeztek a legerősebb változások.

Mivel az éghajlatváltozással összefüggő leggyorsabb hőmérséklet-emelkedések egy része a magas északi szélességeken tapasztalható, a tudósok arra számíthattak, hogy ott lesznek a legdrámaibb változások.

Ehelyett a legnagyobb eltolódások közül néhány trópusi régiókban jelentkezett.

James Speed növényökológus elmagyarázta, hogy a trópusi növények virágzása gyakran szorosabban kapcsolódik a csapadékhoz, mint önmagában a hőmérséklethez.

Ha a változó éghajlati körülmények módosítják az esős évszakok időzítését vagy kiszámíthatóságát, a növények erre úgy reagálhatnak, hogy más időpontban kezdenek virágozni.

Miért számít az időzítés?

Néhány nap talán nem tűnik jelentős változásnak, de a virágzás egy sokkal nagyobb ökológiai naptár része. A növények, rovarok, madarak és más állatok gyakran attól függnek, hogy bizonyos események a megfelelő időben következzenek be. Ha egy növény korábban virágzik, de fő beporzó rovarának életciklusa nem igazodik ugyanígy, a két faj időzítése kevésbé összehangolttá válhat.

Ez az eltérés csökkentheti a sikeres beporzás esélyét. A hatások ezután az egész ökoszisztémán továbbgyűrűzhetnek. A beporzó rovarok számának csökkenése hatással lehet a rovarevő madarakra, míg a beporzás változásai a mezőgazdasági termelést és a vadon élő növények szaporodását is befolyásolhatják.

Az éghajlatváltozásnak nem kell azonnal kipusztítania egy fajt ahhoz, hogy felborítson egy ökoszisztémát. Már a biológiai események időzítésének megváltozása is következményekkel járhat a teljes táplálékhálózatban.

A régi gyűjtemények új értéket kapnak

A herbáriumi példányok különösen értékesek, mivel sok közülük évtizedekkel vagy akár évszázadokkal ezelőtt készült. Minden egyes példány megőrizheti annak információját, hogy hol nőtt a növény, mikor gyűjtötték be, és milyen fejlődési szakaszban volt akkor. Ha több millió ilyen adatot egyesítenek, a kutatók összehasonlíthatják a történelmi mintázatokat a modern változásokkal.

Ez a múzeumi gyűjteményeket egyfajta globális környezeti időgéppé alakítja. Az egykor elsősorban rendszertani referenciaként szolgáló példányok ma már segíthetnek megválaszolni az éghajlatváltozással, a fajok elterjedésével, a virágzási mintázatokkal, a biodiverzitás csökkenésével és akár a kihalás kockázatával kapcsolatos kérdéseket is.

Az MI segíthet ismeretlen fajok megtalálásában

Ugyanez a technológia abban is segíthet a tudósoknak, hogy megbirkózzanak egy másik hatalmas kihívással: bolygónk biodiverzitásának jelentős részét még mindig nem dokumentálták hivatalosan. A gombafajok több mint 90%-áról például úgy vélik, hogy még nem térképezték fel őket.

Eközben a fajok olyan gyors ütemben tűnnek el, hogy egyesek még azelőtt kihalhatnak, hogy teljes körűen leírnák őket. A gépi tanuláson alapuló eszközök úgy segíthetnek, hogy szokatlan példányokat keresnek a digitalizált gyűjteményekben, majd szakértői ellenőrzésre kijelölik őket.

A statisztikai modellek azt is megbecsülhetik, hogy egy hosszú ideje nem észlelt faj valószínűleg kihalt-e, vagy egyszerűen elkerülte a kutatók figyelmét. Ez az információ segíthet a tudósoknak eldönteni, hol van a legsürgetőbb szükség terepi felmérésekre.

Miért maradnak fontosak az emberek?

Az MI gyorsan felismeri a mintázatokat, de önállóan nem tudja eldönteni, hogy ezek a mintázatok biológiai szempontból jelentősek-e.

Martin Cheek rendszertani szakértő szerint az automatizált azonosítás jelentős időt takaríthat meg a szakembereknek, különösen a gyakori fajok vizsgálatakor. A szakértők így több figyelmet fordíthatnak a kevéssé ismert élőlényekre és a veszélyeztetett fajokra. A szakértői ellenőrzés azonban továbbra is nélkülözhetetlen marad.

Williamson hasonló álláspontot képvisel: a gépi tanulási rendszerek csak annyira jók, amennyire jók azok az információk, amelyeken betanították őket.

A kutatók továbbra is nélkülözhetetlenek a kérdések megfogalmazásához, a megfelelő adatok kiválasztásához, a modellek teszteléséhez, a hibák ellenőrzéséhez és az eredmények értelmezéséhez.

Az MI felgyorsíthatja a tudományos munkát, de nem helyettesítheti azt az ökológiai és rendszertani tudást, amely szükséges az eredmények valódi jelentésének megértéséhez.

A digitalizálás hiányosságai

Van azonban egy másik jelentős korlát is. A digitális gyűjtemények gyors bővülése ellenére a világ herbáriumi példányainak kevesebb mint 16%-a érhető el jelenleg digitális formában. A legnagyobb hiányosságok közül néhány olyan országokban tapasztalható, amelyek rendkívül gazdag biodiverzitással rendelkeznek.

Az ottani gyűjteményekben kevés lehet a munkatárs, hiányos lehet a dokumentáció, vagy nem kapcsolódhatnak nemzetközi adatbázisokhoz.

Ez komoly egyensúlytalanságot teremt. A mesterséges intelligencia csak azt az anyagot képes elemezni, amelyet már digitalizáltak, így fontos régiók és fajok továbbra is láthatatlanok maradhatnak.

Egy új tudományos archívum

A történelmi példányok és a modern gépi tanulás kombinációja megváltoztatja, hogy mire képesek a múzeumi gyűjtemények.

Egy generációkkal ezelőtt begyűjtött szárított növény ma segíthet a tudósoknak az esős évszakok változásának, a virágzási időpontok eltolódásának vagy a fajok eltűnésének nyomon követésében.

A technológia nem azért olyan erőteljes, mert helyettesíti a botanikai munka évszázadait, hanem azért, mert hozzáférhetővé és elemezhetővé teszi azok eredményeit.

A nyolcmillió példány már megmutatta, hogy a természettörténeti gyűjtemények sokkal több információt tartalmaznak, mint amennyit a kutatók korábban képesek voltak kinyerni belőlük – és ahogy a digitalizálás tovább terjed, ezek az archívumok a Föld élővilágát átalakító éghajlatváltozás megértésének egyik legértékesebb eszközévé válhatnak.