.
Os algoritmos podem prever quais filmes ou músicas você pode gostar, mas também podem prever quais espécies um predador provavelmente comeria.
Pesquisadores do Laboratório de Ecologia Global da Flinders University têm usado o aprendizado de máquina para identificar interações entre espécies e podem prever quais espécies têm maior probabilidade de extinção, para que a intervenção possa ser planejada antes que isso aconteça.
“O planeta está enfrentando uma crise ambiental, com mudanças climáticas, espécies invasoras, perda de habitat e outras atividades relacionadas ao homem causando uma infinidade de extinções”, diz o Dr. John Llewelyn, pesquisador da Faculdade de Ciências e Engenharia da Universidade Flinders.
“Muitas dessas extinções são mediadas por interações de espécies, desencadeadas pela perda ou ganho de interações com outras espécies, e descobrimos que o aprendizado de máquina pode prever quem come quem em um mundo de espécies conectadas”.
O Dr. Llewelyn diz que ‘co-extinções’ são extinções causadas por declínios ou extinções em outras espécies que interagem, como um predador que se extingue após a perda de sua presa.
Por outro lado, predadores invasivos, como gatos, raposas e cobras marrons, podem causar extinções em presas nativas ingênuas que não lidaram com predadores semelhantes no passado.
“Estas são extinções resultantes de espécies vulneráveis ganhando interações com novos predadores, portanto, saber quais espécies interagem é essencial para prever e evitar extinções futuras”, acrescenta o Dr. Llewelyn. “No entanto, no momento, conhecemos apenas uma pequena fração das interações entre espécies que ocorrem – ou que poderiam ocorrer, no caso de espécies invasoras – e isso dificulta a previsão de extinções”.
A nova pesquisa da equipe de Flinders descobriu que as técnicas de aprendizado de máquina podem usar as características de uma espécie para prever as interações predador-presa com precisão para pássaros e mamíferos. Ao identificar espécies que interagem, o aprendizado de máquina pode ajudar a prever e, com sorte, evitar extinções antes que elas aconteçam.
O algoritmo aprende como as características estão relacionadas às interações das espécies a partir de informações sobre quais espécies interagem, quais espécies não interagem e as características das espécies envolvidas. Esse tipo de IA pode então receber uma lista de espécies e características para prever quais espécies da nova lista interagem.
“Podemos usar este método para preencher as muitas lacunas que temos em nosso conhecimento sobre as interações das espécies”, diz o Dr. Llewelyn.
Essas lacunas incluem interações não documentadas que estão acontecendo hoje, interações entre espécies antigas há muito extintas e interações que espécies invasoras teriam se fossem introduzidas em uma nova área.
“Ao saber quais espécies interagem, podemos identificar como distúrbios ambientais – como mudanças climáticas e espécies introduzidas – podem ter efeitos em cascata nas comunidades ecológicas, permitindo-nos entender como as extinções acontecem”.
As interações entre espécies desempenham um papel fundamental nos ecossistemas, embora poucas comunidades ecológicas tenham dados completos descrevendo tais interações, o que é um obstáculo para prever como os ecossistemas funcionam e respondem às perturbações.
“Os seres humanos dependem totalmente da biodiversidade e de ecossistemas saudáveis, por isso temos a responsabilidade de manter a biodiversidade por si mesma, bem como pelos benefícios que ela proporciona às sociedades humanas”, diz o Dr. Llewelyn.
.
