Metod mašinskog učenja mapira neizvesnost scenarija biodiverziteta – veza sa bigfutom

Da bi efikasno zaštitili biodiverzitet u eri klimatskih promena, ekolozi prvo moraju da znaju gde se životinjske i biljne vrste nalaze, a zatim da budu u stanju da predvide koja će im staništa biti dostupna u budućnosti. Da bi im pomogli u ovim zadacima, naučnici koriste modele distribucije vrsta koji identifikuju staništa vrsta na osnovu opservacionih podataka i klimatskih scenarija.

Problem je to što su ovi modeli često veoma ograničeni. Često nisu dobri kad se radi o neizvesnosti: ako vrsta nije dovoljno dobro opisana, ako su relevantni klimatski uslovi slabo shvaćeni ili ako model jednostavno nije baš precizan, modeli imaju tendenciju da budu netačni.

Preporučujemo

Stoga, kad se koriste za vođenje javne politike ili procenu efikasnosti odlučivanja, postaje ključno da se kaže kad bi njihova predviđanja mogla biti manjkava. Ovo je metodološki problem kojim se bave naučnici sa Odeljenja za biološke nauke Montrealskog univerziteta.

Oni prilagođavaju dobro ustanovljenu metodu u mašinskom učenju koja još nije korišćena u istraživanju biodiverziteta — konformnu predikciju — kako bi predložili nov pristup mapiranju neizvesnosti scenarija biodiverziteta.

Kako? Koristeći podatke dobijene putem slučajeva viđenja prilično neobične (i nestvarne) vrste: bigfuta (poznatog i kao saskvač), velikog, dlakavog, mitskog stvorenja za koje se kaže da naseljava šume Severne Amerike, naročito na pacifičkom severozapadu.

„Kad razvijamo novu metodu, često koristimo simulirane podatke, i to je frustrirajuće jer su simulacije previše čiste“, kažu naučnici. „Međutim, zajednica koja veruje u postojanje bigfuta ima bazu podataka o svim viđenjima, i to je skup podataka koji savršeno odgovara ovom zadatku. Dakle, demonstrirajući kako metoda funkcioniše na realističnim podacima, pravimo korak nazad u pogledu same biologije“.

Ovaj novi pristup stavlja veći naglasak na izbore koje prave korisnici scenarija. „Možemo izabrati nivo neizvesnosti sa kojim smo spremni da radimo; ako želimo da otkrijemo invazivnu vrstu u ranoj fazi ili da preduzmemo veoma skupe mere za zaštitu retke vrste, rizici koje smo spremni da tolerišemo su različiti. Takođe možemo mapirati neizvesnost u budućnosti“, kažu istraživači.

U pokušaju da predvide kako vrste reaguju na klimatske promene, naučnici polaze od centralne pretpostavke: njihovo poverenje u njihove modele trebalo bi da opada dok klima postaje sve drugačija od istorijskih uslova.

Međutim, putem projektovanja neizvesnosti na model bigfuta, izgleda da ova pretpostavka nije uvek opravdana. „Oblasti u kojima je klima trebalo najviše da se promeni nisu one u kojima se neizvesnost modela povećavala. Ovo sugeriše da naši modeli mogu da se generalizuju na promenljive klimate, ali da zadržavaju deo svoje neizvesnosti“.

(Telegraf Nauka/Phys.org)