Um projecto de investigação liderado pelo Centro de Investigação da Desertificação (CIDE, UV-CSIC-GVA) previu com sucesso as interacções ecológicas que ocorrem em comunidades vegetais pouco analisadas com base em padrões de coexistência de um ecossistema bem estudado em Alicante. O estudo empregou aprendizagem por transferência, uma técnica de aprendizado de máquina que introduz uma nova abordagem à pesquisa e conservação da biodiversidade.
A inteligência artificial (IA) pode melhorar a nossa compreensão da biodiversidade e da coexistência de espécies vegetais. Isto é demonstrado por um estudo liderado pelo Centro de Pesquisa sobre Desertificação (CIDE, UV-CSIC-GVA), no qual a aprendizagem por transferência foi empregada para obter insights sobre a coexistência de espécies de plantas nas regiões de Múrcia e do México, usando dados de um ecossistema bem amostrado em Petrer, Alicante. A obra, publicada em EcológicoInformática, oferece novas perspectivas sobre interações ecológicas dentro das comunidades vegetais e fornece informações cruciais quando há dados limitados disponíveis para abordar questões ecológicas urgentes.
A aprendizagem por transferência permite que os investigadores apliquem conhecimentos derivados de grandes conjuntos de dados a comunidades ecológicas para as quais há menos informação disponível.
“Para entender como diferentes espécies de plantas coexistem em comunidades ecológicas, treinamos um modelo de IA usando dados de uma comunidade bem estudada no sudeste da Espanha, e depois usamos isso para prever interações entre espécies em duas outras comunidades – uma na Espanha e outra no México. “, explica Johannes Hirn, pesquisador do CSIC no CIDE e principal autor do estudo.
Além da equipe do CIDE, contribuíram para o estudo pesquisadores do Instituto de Física Corpuscular (IFIC, UV-CSIC), do Instituto Nacional de Pesquisa e Tecnologia Agrícola e Alimentar (INIA-CSIC) e da Universidade Nacional Autônoma do México. A equipe trabalhou com comunidades vegetais em Petrer (Alicante), La Unión (Murcia) e San Juan Raya (México), todas comunidades vegetais estruturadas por interações de facilitação, ou seja, interações entre espécies que beneficiam pelo menos um dos participantes. sem causar danos a nenhum deles.
O poder da aprendizagem por transferência
“Em ecologia, a recolha de dados de campo é um processo lento e dispendioso, levando a muitos estudos com pequenos conjuntos de dados”, afirma Miguel Verdù, investigador CSIC do CIDE e coautor do estudo. “Aqui, mostramos que conjuntos de dados menores – com menos de 1.000 manchas de vegetação, como os analisados em La Unión e San Juan Raya – podem se beneficiar da IA quando combinados com o conjunto de dados maior de mais de 2.000 manchas da comunidade Petrer, usando transferência aprendendo adequadamente”.
“Estas técnicas estão apenas começando a ser utilizadas em estudos básicos de ecologia, mas o seu desenvolvimento poderá ajudar a melhorar os programas de restauração de áreas degradadas ou regiões em risco de desertificação”, acrescentam José A. Navarro e Marta Goberna, do INIA, que também assinam o papel.
Segundo o estudo, esse avanço tem implicações significativas para a conservação da biodiversidade. Permite que a ecologia faça melhores previsões sobre a coexistência e interações das espécies usando pequenos conjuntos de dados, orientando assim as intervenções ecológicas de forma mais eficaz.
A pesquisa destaca o papel da inteligência artificial e das redes neurais de aprendizagem profunda na modelagem de interações complexas de espécies de forma mais flexível, fornecendo uma imagem mais clara de como elas coexistem em diferentes ambientes.
“O nosso centro desempenhou um papel fundamental no desenvolvimento dos modelos generativos de IA utilizados neste estudo como base para o treino e transferência de dados para diferentes locais”, afirma Verónica Sanz, professora de Física da Universidade de Valência, investigadora do IFIC e coautora do artigo em Informática Ecológica. “Grande parte do nosso trabalho se concentrou em tornar o algoritmo resiliente às mudanças nas espécies típicas de cada ambiente ecológico, ao mesmo tempo que se mantinha robusto diante de interações complexas”, afirma o cientista.
Os resultados sugerem que a aprendizagem por transferência pode tornar-se uma ferramenta padrão em ecologia, permitindo aos investigadores utilizar pequenos conjuntos de dados para abordar questões ecológicas prementes. Estudos futuros poderiam aplicar esta técnica a uma gama mais ampla de ecossistemas e espécies. “Ao transferir conhecimento entre ecossistemas, podemos começar a construir uma compreensão unificada de como funcionam os padrões de coexistência de espécies”, afirma Johannes Hirn. “Isso poderia nos permitir tomar decisões de conservação mais informadas”, conclui.
Referências :
J. Hirn, V. Sanz, JE García, et al., Transferir aprendizagem de padrões de coocorrência de espécies entre comunidades de plantas, Informática Ecológica (2024). DOI: https://doi.org/10.1016/j.ecoinf.2024.102826
RUBRICA: Os padrões de coexistência em comunidades bem amostradas ajudam a compreender, graças à IA, a coexistência de plantas em comunidades ecologicamente próximas ou distantes. A. Montesinos, JA Navarro e A. Valiente-Banuet
