Обновено на
AI разкрива скрити черти на флората на нашата планета, за да помогне за спасяването на видовете.
За първи път в света учени от UNSW и Ботаническите градини на Сидни са обучили AI да отключва данни от милиони екземпляри растения, съхранявани в хербарии по целия свят, за да изучават и да се борят с въздействието на изменението на климата върху флората.
„Колекциите от хербарий са невероятни времеви капсули от растителни образци“, казва водещият автор на изследването, доцент Уил Корнуел. „Всяка година над 8000 екземпляра се добавят само към Националния хербариум на Нов Южен Уелс, така че вече не е възможно да преглеждате нещата ръчно.“
Използвайки нов алгоритъм за машинно обучение за обработка на над 3000 проби от листа, екипът откри, че противно на често наблюдаваните междувидови модели, размерът на листата не се увеличава в по-топъл климат в рамките на един вид.
Публикувано в American Journal of Botany , това изследване не само разкрива, че фактори, различни от климата, имат силен ефект върху размера на листата в даден растителен вид, но демонстрира как AI може да се използва за трансформиране на статични колекции от образци и за бързо и ефективно документиране на ефектите от изменението на климата.
„Компютърно зрение“ измерва размерите на листата
Заедно с д-р Браг от Ботаническата градина на Сидни и студента с отличие на UNSW Брендън Уайлд, A/Prof. Корнуел създаде алгоритъм, който може да бъде автоматизиран за откриване и измерване на размера на листата на сканирани хербарийни проби за два растителни рода – Syzygium (известни като lillipillies, череши или сатини) и Ficus (род от около 850 вида дървесни дървета , храсти и лози).
„Това е вид изкуствен интелект, който се нарича конволюционна невронна мрежа, известен също като компютърно зрение“, казва A/Prof. Корнуел. Процесът по същество учи AI да вижда и идентифицира компонентите на растението по същия начин, по който би го направил човек.
„Трябваше да създадем набор от данни за обучение, за да научим компютъра, че това е листо, това е стъбло, това е цвете …“, казва A/Prof. Корнуел. „Така че основно научихме компютъра да намира листата и след това да измерва размера им.
„Измерването на размера на листата не е нещо ново, защото много хора са правили това. Но скоростта, с която тези екземпляри могат да бъдат обработени и техните индивидуални характеристики, които могат да бъдат регистрирани, е ново развитие.“
Прекъсване на често наблюдавани модели
Общо правило в ботаническия свят е, че в по-влажен климат, като тропическите гори, листата на растенията са по-големи в сравнение с по-сухия климат, като пустините.
„И това е много последователен модел, който виждаме в листата между видовете по целия свят“, казва A/Prof. Корнуел. „Първият тест, който направихме, беше да видим дали можем да реконструираме тази връзка от машинно научените данни, което можехме. Но вторият въпрос беше, тъй като сега имаме много повече данни, отколкото имахме преди, виждаме ли същото нещо в рамките на вида?“
Алгоритъмът за машинно обучение е разработен, валидиран и приложен за анализ на връзката между размера на листата и климата в рамките на и между видовете за растения Syzygium и Ficus .
Резултатите от този тест бяха изненадващи – екипът откри, че докато този модел може да се види между различни растителни видове, същата корелация не се наблюдава в рамките на един вид по целия свят, вероятно защото различен процес, известен като генен поток, действа в рамките на вида. Този процес отслабва адаптацията на растенията в местен мащаб и може да попречи на връзката размер на листата и климата да се развие в рамките на вида.
Използване на AI за прогнозиране на бъдещи реакции на изменението на климата.
Подходът за машинно обучение, използван тук за откриване и измерване на листата, макар и не съвършен в пикселите, осигурява нива на точност, подходящи за изследване на връзките между характеристиките на листата и климата.
„Но тъй като светът се променя доста бързо и има толкова много данни, тези видове методи за машинно обучение могат да се използват за ефективно документиране на ефектите от изменението на климата“, казва A/Prof. Корнуел.
Нещо повече, алгоритмите за машинно обучение могат да бъдат обучени да идентифицират тенденции, които може да не са очевидни за човешките изследователи. Това може да доведе до нови прозрения за еволюцията и адаптациите на растенията, както и до прогнози за това как растенията могат да реагират на бъдещи ефекти от изменението на климата.
Източник: zmescience.com
Вашият коментар