محبوبه عمیدی: اکوسیستمها اغلب مجموعهای از دهها و گاهی صدها گونه گیاهی و جانوری در تعامل هستند که توسط هزاران متغیر گوناگون از خاک، شکارچیان و آبوهوا گرفته تا گذشته محل سکونتشان تحتتأثیر قرار خواهند گرفت. در چنین شرایط پیچیدهای تشخیص الگوها و عوامل تعیینکننده این تعامل اگر غیرممکن نباشد، بسیار سخت خواهد بود. به همین دلیل بومشناسان برای کشف اسرار اکوسیستمها به تازگی یک ابزار قدرتمند و کارآمد را به کار گرفتهاند: هوش مصنوعی.
به گزارش نیوساینتیست، این نرمافزار که پیش از این برای تشخیص الگوهای پنهان در بازار بورس و تحلیل کاهش و افزایش ارزش سهام مورد استفاده قرار گرفته، میتواند به شناخت پیچیدگیهای بومشناسی که تاکنون از دید محققان پنهان ماندهاند، کمک کند.
باربارا هان، بومشناس دانشگاه جورجیا و یکی از سخنرانان «جامعه بومشناختی آمریکا» در آستین، تگزاس میگوید: «قدرت هوش مصنوعی در تحلیل دادههای بومشناختی به حدی است که میتوانید بانکهای اطلاعاتی بسیارپیچیدهای را که شامل تعامل و رفتار متقابل هزاران گونه به شیوههایی دور از تصور است، در اختیار آن قرار دهید و صبر کنید تا دادهها از اتفاقات آینده حرف بزنند و شما را شگفتزده کنند».
به عنوان مثال یکی از مسائلی که بومشناسان دهههاست برای پاسخگویی به آن تلاش کردهاند، پیشبینی گونههای گیاهی جدیدی است که میتوانند در طول زمان با گسترش در مناطقی که به تازگی به آنها آورده شدهاند، با از بین بردن گیاهان بومی به یک آفت جدی تبدیل شوند. تاکنون روش مشخص و قابلقبولی برای شناخت این گیاهان ارائه نشده اما جان پال اشمیت از دانشگاه جورجیا موفق شده با استفاده از هوش مصنوعی به نتایج جالب و دور از انتظاری دست پیدا کند.
اشمیت برای این منظور در ابتدا اطلاعات مربوط به ابعاد، زیستگاه و ویژگیهای زیستی نزدیک به 7900 گونه گیاهی زینتی و باغبانی را که در هاوایی رشد میکردند را همراه با تعیین وضعیت ارگانیسم مخرب تهیه کرد. او در مرحله بعد این اطلاعات را به نرمافزار دادهکاوی داد که «تحلیل رگرسیون درختی تقویتشده» نامیده میشود. این برنامه میتوانست با ارائه حدسهای مکرر، عوامل ایجاد گونههایی که میتوانستند منابع غذایی را در اختیار بگیرند و به شکل آفت عمل کنند را پیشبینی کرده و قویترین حدسها را مشخص کند.
نتایج حاصل از این دادهکاوی جالبتوجه و کاملا متفاوت از چیزی بودند که اشمیت پیشبینی می کرد، او میگوید: «زمانی که این آزمون را آغاز کردم، احتمال میدادم شکل رشد بوتهها یا روندگی آنها میتواند توضیح خوبی برای این مسئله باشد اما نتایج نشان میدادند هیچ عاملی به اندازه تعداد زیاد کروموزومهای یک گیاه، مخصوصا در مقاسه با گونههای مشابه آن نمیتواند تعیینکننده وضعیت مخرب گیاه تازه باشد. این گیاهان که بسیاری از آنها دو برابر شدن تعداد کروموزومهایشان را در آخرین دورههای تکامل تجربه کردهاند، احتمالا نسبت به همنوعانشان از قدرت ژنتیکی بیشتری برای تطابق با تغییرات محیطزیست یا زیستگاههای جدید برخوردار هستند».
تکنیکهای هوش مصنوعی نهتنها به بومشناسان کمک میکنند، ارتباطات ناشناخته و الگوهای پنهان را در هر اکوسیستم کشف کنند بلکه از دو مزیت بزرگ نیز نسبت به تحلیلهای آماری موجود برخوردار هستند: اول اینکه آنها از مفروضات استفاده نمیکنند اما بسیاری از تحلیلهای آماری کنونی از فرضیاتی استفاده میکنند که در نهایت با شرایط طبیعی تناسب چندانی ندارند. دوم اینکه تکنیکهای هوش مصنوعی به آسانی با دادههای مفقود شده کنار میآیند اما گونههای ناشناخته یا نمونههایی با پراکندگی اندک، اغلب در تحلیلهای آماری حذف خواهند شد.
با این حال تکنیکهای هوش مصنوعی هم مسائل و کاستیهای متعددی دارند. اگر اطلاعات چندانی در دسترس نباشد، نتایج غیرقابلقبول میشوند. برای درک بهتر این موضوع، میتوان به نتایجی اشاره کرد که توسط روبن کلر، بومشناس دانشگاه شیکاگو در ایلینویز تهیه شده و نشان میدهد، دقت تکنیکهای هوش مصنوعی و روشهای آماری کنونی برای پیشگویی گونههای مهاجم پرندگان، ماهیها، نرمتنان یا درختان زمانی که تعداد گونهها بین 18 تا 87 است، هیچ تفاوتی با یکدیگر ندارد و چندان قابل استناد نیستند.
با این حال بد نیست به استفادههای متعددی از هوش مصنوعی در بومشناسی اشاره کنیم. دکتر هان پروژهای را آغاز کرده که میتواند ظهور ناگهانی بیماریها و گونههایی را که عامل گسترش آنها هستند، پیشگویی کند. جان دریک، یکی دیگر از همکاران او در دانشگاه جرجیا هوش مصنوعی را برای شناخت مهمترین کنشهای متقابل جانداران در اکوسیستم به کار گرفته و بیل لانگ فورد از مؤسسه فناوری ملبورن در استرالیا دارد از هوش مصنوعی برای کشف اولویتهای حفاظت زیستی در هر اکوسیستم استفاده میکند.
پروژه باارزش دکتر هان میتواند با پیشبینی احتمال وقوع بیماریهای خطرناک مشترک تازه میان انسان و دام یا انسان و حیوانات وحشی جان انسانهای بسیاری را نجات دهد. بسیاری از بیماریهای کشنده قرن حاضر مانند ابولا، سارس و ایدز از جمله این بیماریها هستند و آنطور که خانم هان میگوید، میتوان با استفاده از هوش مصنوعی و دادههایی مانند رفتارهای حیوانات وحشی، اندازه جثه آنها، محلهای زندگی، رژیم غذایی و عوامل دیگر به این پی برد که کدامیک انتخاب بهتری برای انتقال بیماریها هستند. او همزمان دارد روی رفتار ویروسها و شناخت انواعی که احتمال انتقال آنها به انسان بیشتر است، کار میکند.
علاوه بر این هوش مصنوعی میتواند به رفتارشناسی حیوانات متعددی کمک کند. در حال حاضر رابین فریمن، بومشناس محاسباتی مرکز تحقیقات مایکروسافت در کمبریج انگلستان و همکارانش دارند از نرمافزارها برای شناخت بهتر رفتارهای نوعی مرغ دریایی مهاجر استفاده میکنند.
این تیم مکاننمای جغرافیایی را به پای این پرنده متصل کرده که به کمک آن حرکت روزانه مرغ مهاجر و حتی زمانی را که درون آب برای شکار طی میکند، ارزیابی کرد. با تحلیل دادههای ارسال شده توسط این مکاننماهای جغرافیایی سه الگوی رفتاری مجزا توسط تحلیل زمان غوطهوری کوتاه، تغذیه در تابستان و تغذیه در زمستان بررسی شدند. نتایج نشان میدادند این پرندگان مهاجر، توقفهای میاناقیانوسی متعددی برای شکار دارند که تاکنون ناشناخته مانده است.
فریمن معتقد است این تحلیل رفتاری ساده میتواند آغاز راه باشد. آنها میتوانند در بررسیهای بعدی از شتابسنج و عمقسنج برای بررسی عمق شیرجهها استفاده کنند یا نرمافزاری ابداع کنند که رفتارهای غیرعادی را به خوبی تشخیص دهد. او میگوید: «تصور اینکه 10 سال دیگر با کمک هوش مصنوعی به شناخت چه رفتارهایی نائل شدهایم هم مرا هیجانزده میکند».
53273
نظر شما