AI čita prirodu

Stoljećima su botaničari skupljali biljke, prešali ih, sušili i pohranjivali u herbarije. Ti su primjerci izvorno stvoreni kao fizički zapisi vrsta, ali digitalizacija im daje potpuno novu znanstvenu ulogu.

Više od 145 milijuna uzoraka biljaka i gljiva iz preko 170 institucija u 40 zemalja sada je digitalizirano. Nakon što se fotografiraju i stave u pretražive baze podataka, ove povijesne zbirke mogu se analizirati u mjeri koja bi bila nemoguća za pojedinačne istraživače.

Umjetna inteligencija pomaže pretvoriti te arhive u dokaze o tome kako se priroda mijenjala tijekom vremena.

Analizirano osam milijuna uzoraka

Istraživači su obučili sustav strojnog učenja da prepozna cvjetaju li biljke na digitaliziranim herbarijskim slikama. Model je zatim primijenjen na oko osam milijuna sačuvanih uzoraka koji predstavljaju otprilike 200 000 vrsta iz različitih dijelova svijeta. Razmjeri eksperimenta su zapanjujući.

Prema istraživaču strojnog učenja Davidu Williamsonu, automatizirana analiza trajala je oko tjedan dana. Ručni dovršetak istog posla mogao je zahtijevati otprilike 40 000 sati - što je ekvivalentno oko 20 godina rada s punim radnim vremenom. To ne znači da umjetna inteligencija zamjenjuje botaničare.

Umjesto toga, omogućuje istraživačima brzu obradu ogromnih zbirki, ostavljajući stručnjacima više vremena za istraživanje obrazaca, provjeru neobičnih rezultata i postavljanje pitanja koja su prije bila prevelika za proučavanje.

Prava prednost umjetne inteligencije je brzina: može otkriti obrasce skrivene u milijunima uzoraka dok stručnjaci ostaju odgovorni za interpretaciju.

Vremena cvjetanja se mijenjaju

Jedan od najjasnijih nalaza odnosio se na cvjetanje. Tijekom prošlog stoljeća, globalno vrijeme cvjetanja pomicalo se u prosjeku za oko 2,5 dana po desetljeću.

Smjer promjene nije bio svugdje identičan. Neke su vrste cvjetale ranije, dok su se druge pomicale kasnije. Ono što je istraživače najviše iznenadilo bilo je gdje su se pojavile najjače promjene. Budući da se neki od najbržih porasta temperature povezanih s klimatskim promjenama događaju na visokim sjevernim geografskim širinama, znanstvenici su možda očekivali najdramatičnije promjene tamo.

Umjesto toga, neki od najvećih pomaka pronađeni su u tropskim regijama. Biljni ekolog James Speed ​​objasnio je da je tropsko cvjetanje često usko povezano s oborinama, a ne samo s temperaturom. Ako promjenjivi klimatski uvjeti mijenjaju vrijeme ili pouzdanost kišnih sezona, biljke mogu reagirati cvjetanjem u različito vrijeme.

Zašto je vrijeme važno

Nekoliko dana možda ne zvuči dramatično, ali cvjetanje je dio mnogo većeg ekološkog kalendara. Biljke, kukci, ptice i druge životinje često ovise o događajima koji se događaju u pravo vrijeme. Ako biljka cvjeta ranije, ali njezin glavni kukac oprašivač nije prilagodio svoj životni ciklus na isti način, dvije vrste mogu postati manje sinkronizirane.

Ta neusklađenost može smanjiti uspješno oprašivanje. Učinci se zatim mogu dalje širiti kroz ekosustave. Manje insekata oprašivača može utjecati na ptice koje se hrane insektima, dok promjene u oprašivanju mogu utjecati i na proizvodnju usjeva i razmnožavanje divljih biljaka.

Stare zbirke dobivaju novu vrijednost

Herbarijski uzorci posebno su korisni jer su mnogi prikupljeni prije desetljeća ili čak stoljeća. Svaki uzorak može sačuvati informacije o tome gdje je biljka rasla, kada je sakupljena i koju je fazu razvoja dostigla. Kada se milijuni ovih zapisa kombiniraju, istraživači mogu usporediti povijesne obrasce s modernim.

To muzejske zbirke pretvara u nešto što nalikuje globalnom ekološkom vremeplovu. Uzorci koji su nekada služili uglavnom kao taksonomske reference sada mogu pomoći u odgovorima na pitanja o klimatskim promjenama, rasprostranjenosti vrsta, obrascima cvjetanja, gubitku bioraznolikosti, pa čak i riziku od izumiranja.

Umjetna inteligencija mogla bi pomoći u pronalaženju nepoznatih vrsta

Ista tehnologija mogla bi pomoći znanstvenicima da se suoče s još jednim ogromnim izazovom: velik dio bioraznolikosti planeta još uvijek nije formalno dokumentiran. Smatra se da je, na primjer, više od 90% vrsta gljiva ostalo nekapirano. Istodobno, vrste nestaju dovoljno brzo da neke mogu nestati prije nego što budu u potpunosti opisane.

Alati za strojno učenje mogu pomoći pretraživanjem digitaliziranih zbirki za neobičnim uzorcima i označavanjem istih za stručni pregled. Statistički modeli također mogu procijeniti je li vrsta koja dugo nije viđena možda izumrla ili jednostavno previđena. Te informacije mogle bi pomoći znanstvenicima da odluče gdje su terenska istraživanja najhitnije potrebna.

Zašto su ljudi još uvijek važni

Umjetna inteligencija može brzo prepoznati obrasce, ali ne može samostalno odlučiti jesu li ti obrasci biološki značajni.

Taksonomist Martin Cheek tvrdio je da bi automatizirana identifikacija mogla stručnjacima uštedjeti znatno vrijeme, posebno kada se radi o uobičajenim vrstama. Specijalisti bi se tada mogli više usredotočiti na slabo poznate organizme i ugrožene vrste. Ali stručna provjera i dalje bi bila bitna.

Williamson iznosi sličnu tvrdnju: sustavi strojnog učenja rade samo onoliko dobro koliko su dobro informacije korištene za njihovo učenje.

Istraživači su i dalje potrebni za osmišljavanje pitanja, odabir prikladnih podataka, testiranje modela, provjeru pogrešaka i tumačenje rezultata.

Umjetna inteligencija može ubrzati znanstveni rad, ali ne može zamijeniti ekološko i taksonomsko znanje potrebno za razumijevanje što rezultati zapravo znače.

Jaz u digitalizaciji

Postoji još jedno veliko ograničenje. Unatoč brzom rastu digitalnih zbirki, manje od 16% svjetskih herbarijskih uzoraka trenutno je dostupno u digitalnom obliku. Neke od najvećih praznina nalaze se u zemljama s iznimno bogatom bioraznolikošću. Zbirke tamo mogu imati manjak osoblja, biti loše dokumentirane ili nepovezane s međunarodnim bazama podataka.

To stvara ozbiljnu neravnotežu. Umjetna inteligencija može analizirati samo materijal koji je digitaliziran, što znači da važne regije i vrste mogu ostati nevidljive.

Nova znanstvena arhiva

Kombinacija povijesnih uzoraka i modernog strojnog učenja mijenja mogućnosti muzejskih zbirki.

Osušena biljka sakupljena prije nekoliko generacija sada bi mogla pomoći znanstvenicima da prate promjene u kišnim sezonama, promjene datuma cvjetanja ili nestajanje vrsta.