هزاران گونه روی زمین وجود دارد که ما هنوز چیز زیادی درباره آنها نمی دانیم فقط آگاهیم که آنها در آستانه انقراض هستند. یک مطالعه جدید از یادگیری ماشینی استفاده کرد تا بفهمد این گونه‌های کمتر شناخته شده چقدر در معرض خطر هستند که البته نتایج تلخ بود.
برخی از گونه‌های جانوران و گیاهان «کمبود داده» نامیده می‌شوند، زیرا حافظان محیط زیست نتوانسته‌اند اطلاعات کافی در مورد آنها جمع‌آوری کنند تا بفهمند چگونه زندگی می‌کنند یا چه تعداد از آنها باقی مانده‌اند. به نظر می رسد که آن گونه های «کمبود داده» متأسفانه حتی از گونه های دیگر که بیشتر شناخته شده هستند (حداقل برای دانشمندان) در معرض تهدید هستند. داده‌های این مطالعه از اتحادیه بین‌المللی حفاظت از طبیعت (IUCN) گرفته شده است، که یک “فهرست قرمز” جهانی دارد که گونه‌ها را بر اساس میزان تهدید آنها رتبه‌بندی می‌کند.
بیش از نیمی از گونه های فاقد اطلاعات موجود در این مطالعه(۵۶ درصد)، احتمالاً با خطر انقراض روبرو هستند. در مقایسه، تنها ۲۸ درصد از گونه‌های موجود در فهرست قرمز در معرض خطر انقراض قرار دارند.
یان بورگلت، بوم‌شناس دانشگاه علم و فناوری نروژ می‌گوید:« همه چیز می‌تواند بدتر از چیزی باشد که در حال حاضر واقعاً تصور می‌کنیم. احتمالاً گونه‌های بیشتری از آنچه قبلاً فکر می‌کردیم در معرض تهدید قرار می‌گیرند.»
بیشتر کار بورگلت بر درک چگونگی تأثیر فعالیت های انسانی – مانند تولید برق آبی یا آلودگی پلاستیکی – بر اکوسیستم ها و تنوع زیستی متمرکز است. فهرست قرمز منبع ارزشمندی برای این تلاش‌ها است. اما بیش از ۲۰۰۰۰ گونه به عنوان کمبود داده طبقه بندی می شوند و این نقطه کور به طور بالقوه می تواند دقت تحقیقاتی را که به فهرست قرمز متکی است کمتر کند.
بورگلت و همکارانش برای حل این مشکل به یادگیری ماشین روی آوردند. آنها الگوریتمی را برای پیش‌بینی خطر انقراض گونه‌های کمبود داده آموزش دادند. برای انجام این کار، آنها از اطلاعات ۲۸۳۶۳ نوع مختلف حیوانی استفاده کردند که IUCN قبلاً ارزیابی کرده است. به این ترتیب، الگوریتم می تواند شروع به درک عواملی کند که اغلب تعیین می کنند یک گونه چقدر در معرض خطر است .(از جمله تغییرات آب و هوا، گونه های مهاجم و آلودگی.)
سپس محققان توجه خود را به ۷۶۹۹ گونه با کمبود داده معطوف کردند. این کمی بیش از یک سوم تمام گونه‌های کمبود داده است، اما بورگلت و همکارانش فقط می‌توانستند با گونه‌هایی کار کنند که پراکندگی جغرافیایی حیوانات را می‌دانستند. این الگوریتم مشخص کرد که ۵۶ درصد از این گونه‌ها احتمالاً در معرض خطر انقراض هستند. اما برخی از حیوانات در مشکلات عمیق تری نسبت به دیگران هستند. به عنوان مثال، ۸۵ درصد از دوزیستان با کمبود اطلاعات در معرض خطر انقراض قرار دارند. این شامل قورباغه با دهان باریک خالدار و چندین گونه دیگر قورباغه است.
تحقیقات آنها زمانی تایید شد که IUCN لیست قرمز خود را در سال گذشته به روز کرد. صد و بیست و سه گونه از گونه‌های موجود در به‌روزرسانی، گونه‌هایی بودند که الگوریتم درباره آنها پیش‌بینی کرده بود. یعنی بیش از دو سوم از پیش‌بینی‌های الگوریتم، (۷۶ درصد، )درست بود.
بورگلت می گوید: «این اطمینان بخش بود.در حال حاضر، [این الگوریتم‌ها] قطعاً نباید جایگزین ارزیابی‌های متخصص شوند، زیرا ارزیابی‌های کارشناسان دقیق‌تر هستند.»
او در پایان، افزود: البته یادگیری ماشین محدودیت‌هایی هم دارد. در حال حاضر، این الگوریتم‌ها قطعا نباید جایگزین ارزیابی‌های متخصصین شوند، زیرا ارزیابی‌های کارشناسان دقیق‌تر هستند.
برخی از گونه‌های جانوران و گیاهان «کمبود داده» نامیده می‌شوند، زیرا حافظان محیط زیست نتوانسته‌اند اطلاعات کافی در مورد آنها جمع‌آوری کنند تا بفهمند چگونه زندگی می‌کنند یا چه تعداد از آنها باقی مانده‌اند. به نظر می رسد که آن گونه های «کمبود داده» متأسفانه حتی از گونه های دیگر که بیشتر شناخته شده هستند (حداقل برای دانشمندان) در معرض تهدید هستند. داده‌های این مطالعه از اتحادیه بین‌المللی حفاظت از طبیعت (IUCN) گرفته شده است، که یک “فهرست قرمز” جهانی دارد که گونه‌ها را بر اساس میزان تهدید آنها رتبه‌بندی می‌کند.
بیش از نیمی از گونه های فاقد اطلاعات موجود در این مطالعه(۵۶ درصد)، احتمالاً با خطر انقراض روبرو هستند. در مقایسه، تنها ۲۸ درصد از گونه‌های موجود در فهرست قرمز در معرض خطر انقراض قرار دارند.
یان بورگلت، بوم‌شناس دانشگاه علم و فناوری نروژ می‌گوید:« همه چیز می‌تواند بدتر از چیزی باشد که در حال حاضر واقعاً تصور می‌کنیم. احتمالاً گونه‌های بیشتری از آنچه قبلاً فکر می‌کردیم در معرض تهدید قرار می‌گیرند.»
بیشتر کار بورگلت بر درک چگونگی تأثیر فعالیت های انسانی – مانند تولید برق آبی یا آلودگی پلاستیکی – بر اکوسیستم ها و تنوع زیستی متمرکز است. فهرست قرمز منبع ارزشمندی برای این تلاش‌ها است. اما بیش از ۲۰۰۰۰ گونه به عنوان کمبود داده طبقه بندی می شوند و این نقطه کور به طور بالقوه می تواند دقت تحقیقاتی را که به فهرست قرمز متکی است کمتر کند.
بورگلت و همکارانش برای حل این مشکل به یادگیری ماشین روی آوردند. آنها الگوریتمی را برای پیش‌بینی خطر انقراض گونه‌های کمبود داده آموزش دادند. برای انجام این کار، آنها از اطلاعات ۲۸۳۶۳ نوع مختلف حیوانی استفاده کردند که IUCN قبلاً ارزیابی کرده است. به این ترتیب، الگوریتم می تواند شروع به درک عواملی کند که اغلب تعیین می کنند یک گونه چقدر در معرض خطر است .(از جمله تغییرات آب و هوا، گونه های مهاجم و آلودگی.)
سپس محققان توجه خود را به ۷۶۹۹ گونه با کمبود داده معطوف کردند. این کمی بیش از یک سوم تمام گونه‌های کمبود داده است، اما بورگلت و همکارانش فقط می‌توانستند با گونه‌هایی کار کنند که پراکندگی جغرافیایی حیوانات را می‌دانستند. این الگوریتم مشخص کرد که ۵۶ درصد از این گونه‌ها احتمالاً در معرض خطر انقراض هستند. اما برخی از حیوانات در مشکلات عمیق تری نسبت به دیگران هستند. به عنوان مثال، ۸۵ درصد از دوزیستان با کمبود اطلاعات در معرض خطر انقراض قرار دارند. این شامل قورباغه با دهان باریک خالدار و چندین گونه دیگر قورباغه است.
تحقیقات آنها زمانی تایید شد که IUCN لیست قرمز خود را در سال گذشته به روز کرد. صد و بیست و سه گونه از گونه‌های موجود در به‌روزرسانی، گونه‌هایی بودند که الگوریتم درباره آنها پیش‌بینی کرده بود. یعنی بیش از دو سوم از پیش‌بینی‌های الگوریتم، (۷۶ درصد، )درست بود.
بورگلت می گوید: «این اطمینان بخش بود.در حال حاضر، [این الگوریتم‌ها] قطعاً نباید جایگزین ارزیابی‌های متخصص شوند، زیرا ارزیابی‌های کارشناسان دقیق‌تر هستند.»
او در پایان، افزود: البته یادگیری ماشین محدودیت‌هایی هم دارد. در حال حاضر، این الگوریتم‌ها قطعا نباید جایگزین ارزیابی‌های متخصصین شوند، زیرا ارزیابی‌های کارشناسان دقیق‌تر هستند.
کد خبر ۲۲۰۰۱۰۵۱۹.۵۱۲
