چگونه دوستداران طبیعت می توانند با کمک هوش مصنوعی به محیط زیست کمک کنند

ویرایش شده توسط Sadie Harley، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

میلیون‌ها نفر در سراسر جهان، احتمالا بدون اینکه متوجه باشند، در حال جمع‌آوری داده‌های کمیاب و ارزشمند هستند که می‌تواند به محققان در ارزیابی روند سلامت اکوسیستم کمک کند. با این حال، چنین داده‌هایی در اقیانوسی از نظرات در پلتفرم‌های آنلاین رایگان مانند eBird و iNaturalist که توسط پرنده‌نگاران و دیگر علاقه‌مندان به طبیعت استفاده می‌شوند، پنهان شده‌اند.

یک مطالعه جدید به رهبری دانشگاه میشیگان نشان داده است که هوش مصنوعی می‌تواند به محققان کمک کند نظرات را با داده‌های مرتبط شناسایی کنند، سپس اطلاعات را استخراج و دسته‌بندی کنند تا مجموعه‌های داده قوی بسازند. در این مطالعه اثبات مفهوم، تیم شواهدی از خزش گونه‌های گیاهی غیربومی در اکوسیستم‌های امتداد ساحل غربی آمریکا پیدا کرد که در غیر این صورت ممکن است از دست داده شوند.

Hengxing Zou، نویسنده اصلی این مطالعه که این کار را به عنوان یک محقق فوق دکترا در مؤسسه U-M برای زیست شناسی تغییر جهانی انجام داد، گفت: «پتانسیل اینجا واقعا بزرگ است. "رویکرد واقعا همه کاره است و ما داده های زیادی در آنجا داریم که اساسا منتظر استخراج هستند."

این کار در Proceedings of the National Academy of Sciences منتشر شده است.

در مطالعه خود، این تیم به طور خاص علاقه مند به جداسازی نظراتی بود که تعاملات بین گونه های مختلف را نشان می داد. در حالی که پیشرفت‌های فناوری به محققان امکان دسترسی به داده‌های غنی‌تر در مورد افراد و گروه‌های یک گونه واحد در طبیعت را داده است، تعامل بین گونه‌های مختلف جانوری متفاوت است.

زو گفت: "در بسیاری از موارد، فعل و انفعالات گونه ها مستلزم مشاهده مستقیم است و دستیابی به آن واقعا سخت است، زیرا نمی توانید افراد زیادی را در میدان یک اکوسیستم به مدت 24 ساعت در روز و هفت روز هفته نظارت کنید." "اما داشتن داده‌های بسیار مهم است. این داده‌ها به عملکرد اکوسیستم، ثبات اکوسیستم و بسیاری از چیزهایی که ما به آنها اهمیت می‌دهیم مرتبط است، به‌ویژه در یک محیط جهانی در حال تغییر."

این تیم اکنون نشان داده است که روش جدیدی برای دسترسی به داده های تعاملات وجود دارد. به جای اینکه تیمی از بوم شناسان آموزش دیده یک مکان را بدون وقفه مشاهده کنند، می توانند از مشاهداتی استفاده کنند که قبلا توسط جامعه ای متشکل از صدها میلیون دوستدار طبیعت انجام شده است.

کای ژو، نویسنده ارشد و دانشیار دانشکده محیط زیست و پایداری U-M یا SEAS می گوید: «این رویکرد چیزی را به ما می دهد که بوم شناسان مدت هاست به آن نیاز داشتند: راهی برای بررسی تعاملات گونه ها در مقیاس های مکانی و زمانی گسترده. هوش مصنوعی می تواند به تبدیل مشاهدات پراکنده به مجموعه داده های زیست محیطی کمک کند که نشان می دهد جوامع بیولوژیکی چگونه به تغییرات جهانی واکنش نشان می دهند.

برای اثبات دوام رویکرد خود، این تیم از دو مطالعه موردی از تعاملات گونه‌ها استفاده کرد. یکی از آنها بر روی فعل و انفعالات گیاه و گرده افشان بین پروانه بانوی ساحل غربی و گیاهانی که در امتداد ساحل غربی ایالات متحده و مکزیک گرده افشانی می کند، با استفاده از مشاهدات ثبت شده در iNaturalist متمرکز شد. دیگری به فعل و انفعالات مختلف بین پرندگان میشیگان که در نظرات مشاهدات ثبت شده در eBird یافت می شود نگاه کرد.

در این پلتفرم‌ها، مشاهدات با ابرداده‌های مهم بارگذاری می‌شوند، مانند زمان و مکان انجام مشاهده. سپس گام بعدی برای تیم شناسایی این بود که کدام مشاهدات دارای نظری هستند که می‌تواند بینش‌هایی در مورد تعاملات ارائه دهد.

برای تعامل گیاه و گرده افشان، این به همان اندازه ساده بود که بانوی ساحل غربی روی یک گل فرود آمد. فعل و انفعالات پرندگان طیف وسیع تری دارد، از جمله خوردن یا خورده شدن توسط گونه های دیگر، رفتارهای مشارکتی مانند دسته جمعی و رفتارهای رقابتی مانند دعوا بر سر یک نقطه در غذای پرنده.

برایان ویکس، نویسنده ارشد و دانشیار در SEAS، می گوید: «من از طیف وسیع مشاهدات تاریخ طبیعی که اعضای عموم به آن اشاره کردند، شگفت زده و خوشحال شدم. "علاوه بر اینکه این مشاهدات به عنوان منبعی برای داده های علمی هیجان انگیز هستند، یکی از نکات برجسته برای من این بود که اجمالی از لذتی که مشاهده پرندگان می تواند برای مردم به ارمغان آورد."

در حالی که انسان‌ها به راحتی می‌توانستند چنین تعاملاتی را در نظرات شناسایی کنند، حتی زمانی که از واژگان زیست‌محیطی استفاده نمی‌شد، میلیون‌ها مشاهده وجود داشت که می‌توان از میان آنها استفاده کرد.

این تیم فکر می‌کرد که ابزارهای هوش مصنوعی که برای پردازش زبان طبیعی یا انسانی طراحی شده‌اند، مانند Claude و ChatGPT، نه تنها می‌توانند به سرعت تشخیص دهند که کدام مشاهدات دارای نظرات هستند، بلکه می‌توانند به سرعت تشخیص دهند که کدام مشاهدات دارای نظرات هستند، بلکه همچنین می‌توانند تعاملات مستند کدام نظرات را شناسایی کنند.

زو گفت که این تیم با همکاری با محققان لیسانس محیط زیست و علوم کامپیوتر، دستوراتی را ایجاد کردند که منجر به استخراج و طبقه بندی تعاملات با دقت و دقت خوب کلود و ChatGPT شد.

برای نشان دادن صرفه‌جویی در زمان توسط مدل‌های زبان بزرگ، تیم ابتدا نظرات ChatGPT را از داده‌های eBird جدا کرد که حاوی تعاملات بود.

سپس اولیویا استاین، یک دستیار پژوهشی در مقطع کارشناسی، نمونه‌گیری تصادفی از نزدیک به 500 مورد از این نظرات را برای طبقه‌بندی نوع تعامل آنها انتخاب کرد. سپس تیم کلود را مجبور کرد که همین کار را انجام دهد. چیزی که استین هشت ساعت طول کشید، کلود در شش دقیقه آن را تکمیل کرد.

زو می‌داند که در مورد استفاده از هوش مصنوعی در تحقیقات بحث‌هایی وجود دارد، اما گفت این پروژه نمونه‌ای از هوش مصنوعی است که به جای جایگزین کردن آن، برای گسترش تلاش انسان استفاده می‌شود.

زو گفت: «من شخصا فکر می‌کنم این نوعی روش روستایی برای استفاده از هوش مصنوعی در این عصر پررونق است که مردم از آن برای حل مسائل ریاضی جایزه هزاره استفاده می‌کنند. برای انسان‌ها تقریبا غیرممکن است که میلیون‌ها نظری را که در آنجا وجود دارد انجام دهند. ما از مدل‌های زبانی بزرگ برای بررسی و تولید مجموعه‌های داده استفاده می‌کنیم، به جای اینکه آن‌ها را تجزیه و تحلیل کنیم یا هر کار خلاقانه‌ای را که دانشمندان انجام می‌دهند جایگزین کنیم.»

زو گفت، در حالی که این فناوری جدید است که به محققان اجازه می دهد تا به طور موثر از یک منبع داده استفاده نشده استفاده کنند، مشاهدات خود منعکس کننده روح بنیانگذار بوم شناسی هستند.

زو می‌گوید: «این نشان دهنده این سنت است که مردم به آنجا می‌روند، طبیعت را مشاهده می‌کنند و هر آنچه را که فکر می‌کنند جالب است ثبت می‌کنند. من فکر می‌کنم که قطعا اطلاعات بیشتری وجود دارد که می‌توان از این نوع نظرات، علاوه بر تعاملات گونه‌ها، بازیابی کرد.»

محققان دانشگاه کالیفرنیا سانتا کروز، دانشگاه کالیفرنیا دیویس، موسسه فناوری جورجیا، حفاظت از پرندگان آمریکایی، دانشگاه نوتردام، موسسه سانتافه و دانشگاه ایالتی میشیگان نیز در این تحقیق مشارکت داشتند.

Heng-Xing Zou و همکاران، مدل‌های زبان بزرگ، بوم‌شناسی تعاملات گونه‌ها را باز می‌کنند، مجموعه مقالات آکادمی ملی علوم (2026). DOI: 10.1073/pnas.2602244123

اطلاعات مجله: مجموعه مقالات آکادمی ملی علوم

کارشناسی علوم زیستی و اکولوژی. پیشینه آزمایشگاه میکروبیولوژی با تجربه اخبار دارویی در صنایع نفت، گاز و تجدیدپذیر. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →