نجات گونه های در حال انقراض به کمک فناوری هوش مصنوعی - وبلاگ جعبه گیگابایتی

به گزارش وبلاگ جعبه گیگابایتی، محققان به کمک فناوری یادگیری ماشینی هوش مصنوعی و ایجاد الگوریتم در حال تلاش برای نجات گونه های در حال انقراض هستند.

هزاران گونه روی زمین وجود دارد که ما هنوز چیز زیادی درباره آن ها نمی دانیم و فقط می دانیم که در بسکمک از آن ها در آستانه انقراض هستند. در این راستا یک مطالعه تازه به کمک یادگیری ماشینی انجام شد تا معین شود این گونه های کمتر شناخته شده، چقدر در معرض خطر هستند که البته نتایج تلخی از آن گزارش شد.

بعضی از گونه های جانوران و گیاهان با عنوان کمبود داده شناخته می شوند، زیرا حافظان محیط زیست نتوانسته اند اطلاعات کافی در مورد آن ها را جمع آوری کنند تا بفهمند چگونه زندگی می کنند یا چه تعداد از آن ها به جای مانده اند. به نظر می رسد که این گونه های کمبود داده متاسفانه حتی بیشتر از گونه های دیگر که شناخته شده تر هستند (حداقل برای دانشمندان) در معرض خطر هستند.

داده های این مطالعه از اتحادیه بین المللی حفاظت از طبیعت (IUCN) گرفته شده است که یک لیست قرمز جهانی دارد که گونه ها را بر اساس اندازه تهدید انقراض آن ها رتبه بندی می کند.

بیش از نیمی از گونه های فاقد اطلاعات موجود در این مطالعه (56 درصد)، احتمالا با خطر انقراض روبرو هستند. در مقابل، تنها 28 درصد از گونه های موجود در لیست قرمز در معرض خطر انقراض قرار دارند.

یان بورگلت، بوم شناس دانشگاه علم و صنعت نروژ و نویسنده اصلی این مطالعه، که به تازگی در مجله Communications Biology منتشر شد، می گوید: همه چیز می تواند بدتر از چیزی باشد که در حال حاضر واقعا تصور می کنیم. احتمالا گونه های بیشتری از آنچه قبلا تصور می کردیم در معرض تهدید قرار دارند.

بیشتر کار های بورگلت بر درک چگونگی تاثیر فعالیت های انسانی، مانند تولید برق آبی یا آلودگی پلاستیک، بر اکوسیستم ها و تنوع زیستی متمرکز است.

لیست قرمز منبع ارزشمندی برای این تلاش ها است، اما بیش از 20 هزار گونه به عنوان کمبود داده طبقه بندی می شوند و این نقطه کور، به طور بالقوه می تواند دقت تحقیقاتی را که به لیست قرمز متکی هستند را کاهش دهد.

بورگلت و همکارانش برای حل این مشکل، به استفاده از فناوری یادگیری ماشین هوش مصنوعی روی آوردند. آن ها الگوریتمی را برای پیش بینی خطر انقراض گونه های کمبود داده آموزش دادند. برای انجام این کار، آن ها از اطلاعات 28363 نوع مختلف حیوانی استفاده کردند که IUCN قبلا ارزیابی کرده است.

به این ترتیب، الگوریتم می تواند شروع به درک عواملی (از جمله تغییرات آب و هوا، گونه های مهاجم، آلودگی و ...) کند که اغلب معین می کنند یک گونه چقدر در معرض خطر است.

سپس محققان توجه خود را به 7699 گونه دارای کمبود داده معطوف کردند. این تعداد کمی بیش از یک سوم تمام گونه های کمبود داده است، اما بورگلت و همکارانش فقط می توانستند با گونه هایی کار کنند که پراکندگی جغرافیایی حیوانات را می دانستند.

این الگوریتم معین کرد که 56 درصد از این گونه ها احتمالا در معرض خطر انقراض هستند، اما بعضی از حیوانات دارای مسائل عمیق تری نسبت به بقیه هستند. به عنوان مثال، 85 درصد از دوزیستان با کمبود اطلاعات، در معرض خطر انقراض قرار دارند. بعضی از این گونه ها شامل قورباغه دهان باریک خالدار و چندین گونه دیگر قورباغه است.

این تحقیقات زمانی تایید شد که IUCN لیست قرمز خود را در سال گذشته به روز کرد. صد و بیست و سه گونه از گونه های موجود در این به روزرسانی، گونه هایی بودند که الگوریتم در مورد آن ها پیش بینی کرده بود. یعنی بیش از دو سوم از پیش بینی های الگوریتم، (76 درصد) درست بود.

بورگلت گفت: نتیجه اطمینان بخش بود، چنین الگوریتم هایی واقعا سریع هستند و آن ها آنقدر وقت گیر یا نیازمند کار فشرده نیستند و نیازی نیست که گونه ها را به صورت جداگانه ارزیابی کنید.

در پایان، اما او اضافه کرد: البته یادگیری ماشین محدودیت هایی هم دارد. در حال حاضر، این الگوریتم ها قطعا نباید جایگزین ارزیابی های متخصصین شوند، زیرا ارزیابی های کارشناسان دقیق تر هستند.

بیشتر بخوانید

گزارش از سید حسین موسوی

وبلاگ جعبه گیگابایتی فضای مجازی دریچه فناوری