AI číta prírodu

Po stáročia botanici zbierali rastliny, lisovali ich, sušili a ukladali do herbárov. Tieto exempláre pôvodne slúžili ako fyzické záznamy druhov, no digitalizácia im dáva úplne novú vedeckú úlohu.

V súčasnosti bolo digitalizovaných viac ako 145 miliónov exemplárov rastlín a húb z viac ako 170 inštitúcií v 40 krajinách. Po odfotografovaní a vložení do databáz s možnosťou vyhľadávania možno tieto historické zbierky analyzovať v rozsahu, ktorý by bol pre jednotlivých výskumníkov nemožný.

Umelá inteligencia pomáha meniť tieto archívy na dôkazy o tom, ako sa príroda v priebehu času menila.

Analyzovaných osem miliónov exemplárov

Výskumníci vytrénovali systém strojového učenia, aby dokázal rozpoznať, či rastliny na digitalizovaných herbárových snímkach kvitli. Model potom použili na približne osem miliónov zachovaných exemplárov, ktoré predstavovali približne 200 000 druhov z rôznych častí sveta. Rozsah experimentu je pozoruhodný.

Podľa výskumníka v oblasti strojového učenia Davida Williamsona trvala automatizovaná analýza približne jeden týždeň. Rovnaká práca vykonaná manuálne by si mohla vyžiadať približne 40 000 hodín, čo zodpovedá asi 20 rokom práce na plný úväzok. To však neznamená, že umelá inteligencia nahrádza botanikov.

Namiesto toho umožňuje výskumníkom rýchlo spracovať obrovské zbierky, takže odborníci majú viac času na skúmanie vzorcov, overovanie nezvyčajných výsledkov a kladenie otázok, ktoré boli predtým príliš rozsiahle na to, aby sa dali skúmať.

Skutočnou výhodou AI je rýchlosť: dokáže odhaliť vzorce skryté v miliónoch exemplárov, zatiaľ čo odborníci zostávajú zodpovední za ich interpretáciu.

Časy kvitnutia sa menia

Jedno z najjasnejších zistení sa týkalo kvitnutia. Za posledné storočie sa celosvetový čas kvitnutia posunul v priemere približne o 2,5 dňa za desaťročie.

Smer zmien nebol všade rovnaký. Niektoré druhy kvitli skôr, zatiaľ čo iné sa posunuli k neskoršiemu kvitnutiu. Výskumníkov najviac prekvapilo, kde sa objavili najsilnejšie zmeny. Keďže k niektorým z najrýchlejších nárastov teploty súvisiacich so zmenou klímy dochádza vo vysokých severných zemepisných šírkach, vedci mohli očakávať najvýraznejšie zmeny práve tam.

Namiesto toho sa niektoré z najväčších posunov zistili v tropických oblastiach. Ekológ rastlín James Speed vysvetlil, že kvitnutie v trópoch často úzko súvisí so zrážkami, nielen s teplotou. Ak meniace sa klimatické podmienky ovplyvnia načasovanie alebo pravidelnosť období dažďov, rastliny môžu reagovať tým, že začnú kvitnúť v inom čase.

Prečo je načasovanie dôležité

Niekoľko dní nemusí znieť dramaticky, no kvitnutie je súčasťou oveľa väčšieho ekologického kalendára. Rastliny, hmyz, vtáky a ďalšie živočíchy často závisia od toho, či jednotlivé udalosti nastanú v správnom čase. Ak rastlina začne kvitnúť skôr, ale jej hlavný opeľujúci hmyz neupraví svoj životný cyklus rovnakým spôsobom, tieto dva druhy môžu byť menej zosynchronizované.

Tento nesúlad môže znížiť úspešnosť opeľovania. Jeho účinky sa potom môžu ďalej šíriť ekosystémami. Menší počet opeľujúceho hmyzu môže ovplyvniť vtáky, ktoré sa živia hmyzom, zatiaľ čo zmeny v opeľovaní môžu ovplyvniť aj produkciu plodín a rozmnožovanie voľne rastúcich rastlín.

Staré zbierky získavajú novú hodnotu

Herbárové exempláre sú mimoriadne užitočné, pretože mnohé z nich boli zozbierané pred desaťročiami alebo dokonca stáročiami. Každý exemplár môže uchovávať informácie o tom, kde rastlina rástla, kedy bola zozbieraná a v akej fáze vývoja sa nachádzala. Keď sa skombinujú milióny takýchto záznamov, výskumníci môžu porovnávať historické vzorce s modernými.

Múzejné zbierky sa tak menia na niečo, čo pripomína globálny stroj času pre životné prostredie. Exempláre, ktoré kedysi slúžili najmä ako taxonomické referencie, môžu teraz pomáhať odpovedať na otázky týkajúce sa zmeny klímy, rozšírenia druhov, vzorcov kvitnutia, úbytku biodiverzity a dokonca aj rizika vyhynutia.

AI môže pomôcť nájsť neznáme druhy

Rovnaká technológia môže vedcom pomôcť vyrovnať sa aj s ďalšou obrovskou výzvou: veľká časť biodiverzity planéty stále nebola formálne zdokumentovaná. Napríklad sa predpokladá, že viac ako 90 % druhov húb zostáva nezmapovaných. Zároveň druhy miznú tak rýchlo, že niektoré môžu vyhynúť skôr, než budú úplne opísané.

Nástroje strojového učenia môžu pomôcť tým, že v digitalizovaných zbierkach vyhľadajú nezvyčajné exempláre a označia ich na odborné preskúmanie. Štatistické modely môžu tiež odhadnúť, či druh, ktorý nebol dlho pozorovaný, môže byť vyhynutý alebo bol len prehliadnutý. Tieto informácie by mohli vedcom pomôcť rozhodnúť, kde sú terénne prieskumy najnaliehavejšie potrebné.

Prečo sú ľudia stále dôležití

AI dokáže rýchlo rozpoznávať vzorce, ale nedokáže sama rozhodnúť, či sú tieto vzorce biologicky významné.

Taxonóm Martin Cheek uviedol, že automatizovaná identifikácia by mohla odborníkom ušetriť značné množstvo času, najmä pri bežných druhoch. Špecialisti by potom mohli venovať viac úsilia málo známym a ohrozeným organizmom. Odborné overovanie by však bolo stále nevyhnutné.

Williamson poukazuje na podobnú skutočnosť: systémy strojového učenia dosahujú len takú kvalitu, akú majú informácie použité na ich trénovanie.

Výskumníci sú stále potrební na stanovenie otázok, výber vhodných údajov, testovanie modelov, kontrolu chýb a interpretáciu výsledkov.

AI môže urýchliť vedeckú prácu, ale nedokáže nahradiť ekologické a taxonomické znalosti potrebné na pochopenie toho, čo výsledky skutočne znamenajú.

Medzera v digitalizácii

Existuje aj ďalšie významné obmedzenie. Napriek rýchlemu rastu digitálnych zbierok je v súčasnosti v digitálnej podobe dostupných menej ako 16 % všetkých herbárových exemplárov na svete. Niektoré z najväčších medzier sa nachádzajú v krajinách s mimoriadne bohatou biodiverzitou. Tamojšie zbierky môžu mať nedostatok pracovníkov, byť nedostatočne zdokumentované alebo oddelené od medzinárodných databáz.

To vytvára vážnu nerovnováhu. Umelá inteligencia môže analyzovať iba materiál, ktorý bol digitalizovaný, čo znamená, že dôležité regióny a druhy môžu zostať neviditeľné.

Nový vedecký archív

Kombinácia historických exemplárov a moderného strojového učenia mení možnosti využitia múzejných zbierok.

Vysušená rastlina zozbieraná pred generáciami môže teraz pomôcť vedcom sledovať zmeny obdobia dažďov, posuny v termínoch kvitnutia alebo miznúce druhy.