Читає природу

Протягом століть ботаніки збирали рослини, пресували їх, сушили та зберігали в гербаріях. Спочатку ці зразки створювалися як фізичні записи видів, але оцифрування надає їм абсолютно нової наукової ролі.

Понад 145 мільйонів зразків рослин і грибів з понад 170 установ у 40 країнах вже оцифровано. Після фотографування та розміщення в базах даних з можливістю пошуку ці історичні колекції можна аналізувати в масштабах, які були б неможливими для окремих дослідників.

Штучний інтелект допомагає перетворити ці архіви на докази того, як природа змінювалася з часом.

Проаналізовано вісім мільйонів зразків

Дослідники навчили систему машинного навчання розпізнавати, чи цвітуть рослини на оцифрованих гербарних зображеннях. Потім модель була застосована до приблизно восьми мільйонів збережених зразків, що представляють приблизно 200 000 видів з різних куточків світу. Масштаб експерименту вражає.

За словами дослідника машинного навчання Девіда Вільямсона, автоматизований аналіз зайняв близько тижня. Виконання тієї ж роботи вручну могло б вимагати приблизно 40 000 годин, що еквівалентно приблизно 20 рокам роботи на повний робочий день. Це не означає, що штучний інтелект замінює ботаніків.

Натомість він дозволяє дослідникам швидко обробляти величезні колекції, залишаючи експертам більше часу для дослідження закономірностей, перевірки незвичайних результатів та постановки питань, які раніше були занадто великими для вивчення.

Зміщення часу цвітіння

Одним із найчіткіших висновків було цвітіння. Протягом минулого століття глобальний час цвітіння зміщувався в середньому приблизно на 2,5 дні на десятиліття.

Напрямок змін не був однаковим скрізь. Деякі види цвіли раніше, а інші — пізніше. Найбільше здивувало дослідників те, де відбулися найсильніші зміни. Оскільки деякі з найшвидших підвищень температури, пов'язаних зі зміною клімату, відбуваються у високих північних широтах, вчені могли очікувати найдраматичніших змін саме там.

Натомість деякі з найбільших змін були виявлені в тропічних регіонах. Еколог рослин Джеймс Спід пояснив, що тропічне цвітіння часто тісно пов'язане з кількістю опадів, а не лише з температурою. Якщо зміна кліматичних умов змінює терміни або надійність сезонів дощів, рослини можуть реагувати цвітінням у різний час.

Чому час має значення

Кілька днів можуть здатися не таким драматичним, але цвітіння є частиною набагато більшого екологічного календаря. Рослини, комахи, птахи та інші тварини часто залежать від подій, що відбуваються у потрібний час. Якщо рослина цвіте раніше, але її головна комаха-запилювач не налаштувала свій життєвий цикл таким самим чином, два види можуть стати менш синхронізованими.

Ця невідповідність може знизити успішність запилення. Наслідки можуть поширюватися далі по екосистемах. Менша кількість комах-запилювачів може впливати на птахів, які харчуються комахами, тоді як зміни в запиленні також можуть впливати на виробництво сільськогосподарських культур та розмноження диких рослин.

Старі колекції набувають нової цінності

Гербарні зразки особливо корисні, оскільки багато з них були зібрані десятиліття або навіть століття тому. Кожен зразок може зберігати інформацію про те, де росла рослина, коли вона була зібрана та якої стадії розвитку вона досягла. Коли мільйони цих записів об'єднуються, дослідники можуть порівнювати історичні закономірності із сучасними.

Це перетворює музейні колекції на щось схоже на глобальну екологічну машину часу. Зразки, які колись служили переважно таксономічними довідниками, тепер можуть допомогти відповісти на питання про зміну клімату, поширення видів, закономірності цвітіння, втрату біорізноманіття та навіть ризик вимирання.

Штучний інтелект може допомогти знайти невідомі види

Ця ж технологія може також допомогти вченим зіткнутися з ще однією величезною проблемою: значна частина біорізноманіття планети досі не була офіційно задокументована. Наприклад, вважається, що понад 90% видів грибів залишаються не нанесеними на карту. Водночас види зникають настільки швидко, що деякі можуть зникнути ще до того, як їх повністю опишуть.

Інструменти машинного навчання можуть допомогти, шукаючи оцифровані колекції на наявність незвичайних зразків та позначаючи їх для експертного огляду. Статистичні моделі також можуть оцінити, чи вид, який давно не спостерігався, вимер, чи його просто не помічали. Ця інформація може допомогти вченим вирішити, де польові дослідження найбільш терміново потрібні.

Чому люди все ще важливі

Штучний інтелект може швидко розпізнавати закономірності, але він не може самостійно вирішити, чи є ці закономірності біологічно значущими.

Таксономіст Мартін Чік стверджував, що автоматизована ідентифікація може заощадити експертам значний час, особливо при роботі з поширеними видами. Тоді фахівці могли б зосередити більше зусиль на маловідомих організмах та видах, що знаходяться під загрозою зникнення. Але експертна перевірка все ще буде важливою.

Вільямсон висловлює схожу думку: системи машинного навчання працюють лише настільки добре, наскільки добре використовується інформація для їх навчання.

Дослідникам все ще потрібно розробляти питання, вибирати відповідні дані, тестувати моделі, перевіряти помилки та інтерпретувати результати.

Розрив у оцифруванні

Існує ще одне суттєве обмеження. Незважаючи на швидке зростання цифрових колекцій, менше 16% гербарних зразків світу наразі доступні в цифровому вигляді. Деякі з найбільших розривів знаходяться в країнах з надзвичайно багатим біорізноманіттям. Колекції там можуть бути недоукомплектовані, погано задокументовані або відірвані від міжнародних баз даних.

Це створює серйозний дисбаланс. Штучний інтелект може аналізувати лише той матеріал, який був оцифрований, а це означає, що важливі регіони та види можуть залишатися невидимими.

Новий науковий архів

Поєднання історичних зразків та сучасного машинного навчання змінює можливості музейних колекцій.

Висушена рослина, зібрана покоління тому, тепер може допомогти вченим відстежувати зміну сезонів дощів, зміну дат цвітіння або зникнення видів.