Utilitzen Intel·ligència Artificial per a conéixer patrons complexos de coexistència entre espècies vegetals

Els models desenvolupats pel Centre d’Investigacions sobre Desertificació i l’Institut de Física Corpuscular permetran predir les conseqüències de la pèrdua d’unes espècies per a la supervivència d’unes altres

Un treball del Centre d’Investigacions sobre Desertificació (CIDE), centre mixt del Consell Superior d’Investigacions Científiques (CSIC), la Universitat de València i la Generalitat Valenciana; i de l’Institut de Física Corpuscular (IFIC, CSIC – Universitat de València) presenta, per primera vegada, l’aplicació de la Intel·ligència Artificial Generativa en la predicció dels patrons de coexistència de plantes. Els models desenvolupats llancen prediccions correctes sobre ecosistemes semiàrids com els presents en la Comunitat Valenciana. La investigació ha estat publicada recentment en la revista Methods in Ecology and Evolution.

Les espècies de la Terra estan interconnectades entre si. Cada planta, animal o bacteri viu en connexió amb altres espècies, de manera que en una comunitat poden coexistir fins a milers d’espècies que interactuen directa i indirectament. Davant la pèrdua de biodiversitat actual, resulta clau conéixer la dinàmica d’aquestes interaccions i els patrons de relació entre diferents espècies en un ecosistema, les anomenades ‘xarxes ecològiques’.

En aquest camp, investigadors del CIDE han unit forces amb els del IFIC per a realitzar un estudi que contribueix a la predicció d’aquests patrons a través de l’ús de tècniques de computació en Intel·ligència Artificial denominades d’Aprenentatge Automàtic (Machine Learning). L’Aprenentatge Automàtic pot contribuir a desentranyar aquesta multitud d’interconnexions de les xarxes ecològiques gràcies a la seua gran capacitat per a detectar patrons més enllà de les estadístiques tradicionals.

Miguel Verdú, investigador del CSIC en el CIDE, explica que “en aquest estudi explorem l’ús d’un conjunt de tècniques d’Aprenentatge Automàtic d’avantguarda anomenades Intel·ligència Artificial Generativa per a predir patrons de coexistència d’espècies que podrien usar-se per a desentranyar els mecanismes que subjauen a l’assemblatge de la comunitat”.

Per part seua, Verónica Sanz, ‘Investigadora Distingida Beatriz Galindo’ de la Universitat de València en el IFIC, assenyala que “la capacitat de l’aprenentatge no supervisat és fascinant. En ser entrenats amb les observacions realitzades pel CIDE, els nostres algorismes van aprendre relacions molt complexes. Per exemple, el fet que existisquen espècies que cooperen i faciliten la repoblació, però que es transformen en competidores en presentar-se unes certes espècies noves”.

Una realitat complexa

L’estudi se centra en ecosistemes semiàrids que abunden a Espanya i en la Comunitat Valenciana, que presenten com a particularitat una estructura de la vegetació en forma de pegats. Generalment, aquests pegats s’inicien a partir d’espècies pioneres ben adaptades a les exigents condicions ambientals, que s’estableixen en primer lloc i faciliten la colonització per altres espècies menys resistents a aquestes condicions.

En aquest estudi es van analitzar 5.153 pegats de vegetació en sòls d’algeps i calcària, que contenien entre 2 i 17 espècies per pegat. Els resultats van permetre obtindre prediccions correctes sobre l’abundància relativa de pegats amb diferent composició d’espècies, l’afinitat de les espècies vegetals amb el sòl i el paper de les interaccions indirectes de tercer i quart ordre en la coexistència de parells d’espècies. En aquest últim cas es va observar que els efectes positius d’una espècie sobre una altra tendien a reduir-se en presència d’una tercera o quarta espècie.

La capacitat mostrada pel model per a ‘aprendre’ els patrons de coexistència de les espècies permet generar prediccions realistes sobre patrons complexos que serien difícils de detectar en el camp. Per tot això, “aquests models ens ofereixen una valuosa oportunitat per a comprendre millor les regles que governen com es connecten les diferents espècies de les comunitats en ecosistemes naturals, i contribueixen a millorar la predicció de les conseqüències que té la pèrdua d’espècies relacionades entre si”, conclou Miguel Verdú.

Referència:

Hirn, J., García, J.E, Montesinos-Navarro, A., Sánchez-Martín, R., Sanz, V. & Verdú, M. 2022. A Deep Generative Artificial Intelligence system to predict species coexistence patterns. Methods in Ecology and Evolution. https://doi.org/10.1111/2041-210X.13827