L’apprendimento automatico può aiutare a estrarre informazioni importanti dall’enorme numero di esemplari di piante conservati negli erbari, affermano gli scienziati dell’UNSW Sydney.
In una prima mondiale, gli scienziati di UNSW E Giardini botanici di Sydney hanno addestrato l’intelligenza artificiale per sbloccare i dati da milioni di esemplari di piante conservati negli erbari di tutto il mondo, per studiare e combattere gli impatti dei cambiamenti climatici su flora.
L’algoritmo di apprendimento automatico sviluppato dal team di ricerca misura e identifica i campioni di piante. Credito fotografico: UNSW
“Le raccolte di erbari sono incredibili capsule del tempo di campioni di piante”, afferma l’autore principale dello studio, Il professore associato Will Cornwell. “Ogni anno oltre 8000 esemplari vengono aggiunti solo al National Herbarium del New South Wales, quindi non è più possibile passare attraverso le cose manualmente.”
Utilizzando un nuovo algoritmo di apprendimento automatico per elaborare oltre 3000 campioni di foglie, il team ha scoperto che contrariamente ai modelli interspecie osservati di frequente, la dimensione delle foglie non aumenta nei climi più caldi all’interno di una singola specie.
Pubblicato nel Giornale americano di botanicaquesta ricerca non solo rivela che fattori diversi dal clima hanno un forte effetto sulla dimensione delle foglie all’interno di una specie vegetale, ma dimostra come l’intelligenza artificiale può essere utilizzata per trasformare raccolte di campioni statici e per documentare in modo rapido ed efficace gli effetti del cambiamento climatico.
Le collezioni di erbari si spostano nel mondo digitale
Gli erbari sono biblioteche scientifiche di esemplari di piante che esistono almeno dal XVI secolo.
“Storicamente, un prezioso sforzo scientifico è stato quello di uscire, raccogliere piante e poi conservarle in un erbario. Ogni record ha un tempo e un luogo e un collezionista e un presunto ID di specie”, afferma A/Prof. Cornwell, un ricercatore del Scuola di API e un membro di Centro di scienza dei dati dell’UNSW.
Un paio di anni fa, per facilitare la collaborazione scientifica, c’è stato un movimento per trasferire queste raccolte online.
In un nuovo studio, un tipo di intelligenza artificiale noto come “visione artificiale” è stato insegnato a identificare i componenti di una pianta nello stesso modo in cui lo farebbe un essere umano. Credito immagine: Aelwyn tramite WikimediaGFDL
“Le collezioni dell’erbario erano chiuse in piccole scatole in luoghi particolari, ma il mondo è molto digitale adesso. Quindi, per fornire le informazioni su tutti gli incredibili esemplari agli scienziati che ora sono sparsi in tutto il mondo, c’è stato uno sforzo per scansionare gli esemplari per produrne copie digitali ad alta risoluzione.
Il più grande progetto di imaging dell’erbario è stato intrapreso presso i giardini botanici di Sydney quando oltre 1 milione di esemplari di piante presso l’erbario nazionale del New South Wales sono stati trasformati in immagini digitali ad alta risoluzione.
“Il progetto di digitalizzazione ha richiesto più di due anni e poco dopo il completamento, uno dei ricercatori, il dottor Jason Bragg, mi ha contattato dai Giardini Botanici di Sydney. Voleva vedere come potevamo incorporare l’apprendimento automatico con alcune di queste immagini digitali ad alta risoluzione degli esemplari dell’erbario”.
Il dott. Bragg afferma: “Ero entusiasta di lavorare con A/Prof. Cornwell nello sviluppo di modelli per rilevare le foglie nelle immagini delle piante e quindi utilizzare quei grandi set di dati per studiare le relazioni tra le dimensioni delle foglie e il clima».
La “visione al computer” misura le dimensioni delle foglie
Insieme al dottor Bragg dei Giardini Botanici di Sydney e allo studente della UNSW Honors Brendan Wilde, A/Prof. Cornwell ha creato un algoritmo che potrebbe essere automatizzato per rilevare e misurare la dimensione delle foglie di campioni di erbario scansionati per due generi di piante: Sizigio (generalmente noto come lillipillies, pennello ciliegie o satinas) e Ficus (un genere di circa 850 specie di alberi legnosi, arbusti e viti).
“Questo tipo di IA è chiamato rete neurale convoluzionale, nota anche come Computer Vision”, afferma A/Prof. Cornovaglia. Il processo essenzialmente insegna all’intelligenza artificiale a vedere e identificare i componenti di una pianta nello stesso modo in cui lo farebbe un essere umano.
“Abbiamo dovuto costruire un set di dati di addestramento per insegnare al computer: questa è una foglia, questo è uno stelo, questo è un fiore”, afferma A/Prof. Cornovaglia. “Quindi abbiamo praticamente insegnato al computer a localizzare le foglie e quindi a misurarne le dimensioni.
“Misurare la dimensione delle foglie non è una novità, perché molte persone lo hanno fatto. Ma la velocità con cui questi campioni possono essere elaborati e le loro caratteristiche individuali possono essere registrate è un nuovo sviluppo».
Un’interruzione nei modelli osservati di frequente
Una regola generale nel mondo botanico è che nei climi più umidi, come le foreste pluviali tropicali, le foglie delle piante sono più grandi rispetto ai climi più secchi, come i deserti.
“E questo è uno schema molto coerente che vediamo nelle foglie tra le specie di tutto il mondo”, afferma A/Prof. Cornovaglia. “Il primo test che abbiamo fatto è stato vedere se potevamo ricostruire quella relazione dai dati appresi dalla macchina, cosa che abbiamo potuto. Ma la seconda domanda era, poiché ora disponiamo di molti più dati rispetto a prima, vediamo la stessa cosa all’interno delle specie?
L’algoritmo di apprendimento automatico è stato sviluppato, convalidato e applicato per analizzare la relazione tra dimensione delle foglie e clima all’interno e tra le specie per Sizigio E Ficus impianti.
I risultati di questo test sono stati sorprendenti: il team ha scoperto che mentre questo modello può essere visto tra diverse specie di piante, la stessa correlazione non è vista all’interno di una singola specie in tutto il mondo, probabilmente perché un processo diverso, noto come flusso genico, è che operano all’interno delle specie. Tale processo indebolisce l’adattamento delle piante su scala locale e potrebbe impedire lo sviluppo della relazione dimensione fogliare-clima all’interno delle specie.
Utilizzo dell’intelligenza artificiale per prevedere le future risposte ai cambiamenti climatici
L’approccio di apprendimento automatico utilizzato qui per rilevare e misurare le foglie, sebbene non pixel perfetto, ha fornito livelli di accuratezza adatti per esaminare i collegamenti tra i tratti delle foglie e il clima.
“Ma poiché il mondo sta cambiando abbastanza velocemente e ci sono così tanti dati, questi tipi di metodi di apprendimento automatico possono essere utilizzati per documentare efficacemente gli effetti del cambiamento climatico”, afferma A/Prof. Cornovaglia
Inoltre, gli algoritmi di apprendimento automatico possono essere addestrati per identificare tendenze che potrebbero non essere immediatamente evidenti ai ricercatori umani. Ciò potrebbe portare a nuove conoscenze sull’evoluzione e gli adattamenti delle piante, nonché a previsioni su come le piante potrebbero rispondere agli effetti futuri del cambiamento climatico.
Fonte: UNSW
Da un’altra testata giornalistica. news de www.technology.org
