Utilizan Inteligencia Artificial para reconocer patrones complejos de coexistencia entre especies vegetales

24/02/2022

Un equipo de investigación del Centro de Investigaciones sobre Desertificación (CIDE, UV-CSIC-GVA) y el Instituto de Física Corpuscular (IFIC, UV-CSIC) ha presentado la primera aplicación de la Inteligencia Artificial Generativa a la predicción de los patrones de coexistencia de plantas. Los modelos desarrollados permitirán prever las consecuencias de la pérdida de unas especies sobre la supervivencia de otras. El trabajo ha sido publicado en la revista Methods in Ecology and Evolution.

Las especies de la Tierra están interconectadas entre sí. Cada planta, cada animal o cada diminuta bacteria vive en íntima conexión con otras especies, de manera que en una comunidad pueden coexistir decenas, cientos o incluso miles de especies que interactúan directa e indirectamente. Ante la pérdida de la biodiversidad actual, resulta clave conocer la dinámica de estas interacciones y de los patrones de relación entre distintas especies en un ecosistema, las llamadas redes ecológicas.

En este campo, un equipo de investigación del CIDE –centro mixto de la Universitat de València, el CSIC y la Generalitat Valenciana– y del IFIC –centro mixto de la Universitat de València y el CSIC– ha realizado un estudio que contribuye a la predicción de estos patrones a través del uso de técnicas de computación en Inteligencia Artificial denominadas de Aprendizaje Automático (Machine Learning). El Aprendizaje Automático puede contribuir a desentrañar esta multitud de interconexiones de las redes ecológicas gracias a su gran capacidad para detectar patrones más allá de las estadísticas tradicionales. Y los modelos desarrollados desprenden predicciones correctas sobre ecosistemas semiáridos como los presentes en la Comunidad Valenciana.

“En este estudio exploramos el uso de un conjunto de técnicas de Aprendizaje Automático de vanguardia, llamadas Inteligencia Artificial Generativa (GenAI), para predecir patrones de coexistencia de especies que podrían usarse para desentrañar los mecanismos que subyacen al ensamblaje de la comunidad”, explica Miguel Verdú, investigador del CSIC en el CIDE. Por su parte, Verónica Sanz, ‘Investigadora Distinguida Beatriz Galindo’ de la Universitat de València en el IFIC, destaca la enorme capacidad del aprendizaje no supervisado. “Al ser entrenados con las observaciones realizadas por el CIDE, nuestros algoritmos aprendieron relaciones muy complejas como, por ejemplo, el hecho de que existan especies que cooperan y facilitan la repoblación, pero que se transforman en competidoras al presentarse ciertas especies nuevas”.

Una realidad compleja

El estudio se centra en ecosistemas semiáridos de España y de la Comunitat Valenciana, que presentan como particularidad una estructura de la vegetación en forma de parches. Generalmente, estos parches se inician a partir de especies pioneras bien adaptadas a las exigentes condiciones ambientales, que se establecen en primer lugar y facilitan la colonización por otras especies menos resistentes a dichas condiciones.

En este estudio se analizaron 5.153 parches de vegetación en suelos de yeso y caliza, que contenían entre 2 y 17 especies por parche. Los resultados permitieron obtener predicciones correctas sobre la abundancia relativa de parches con diferente composición de especies, la afinidad de las especies vegetales con el suelo y el papel de las interacciones indirectas de tercer y cuarto orden en la coexistencia de pares de especies. En este último caso se observó que los efectos positivos de una especie sobre otra tendían a reducirse en presencia de una tercera o cuarta especie.

La capacidad mostrada por el modelo para ‘aprender’ los patrones de coexistencia de las especies permite generar predicciones realistas sobre patrones complejos que serían difíciles de detectar en el campo. “Estos modelos nos ofrecen una valiosa oportunidad para comprender mejor las reglas que gobiernan la forma de conectarse de las distintas especies en ecosistemas naturales, y contribuyen a mejorar la predicción de las consecuencias que tiene la pérdida de especies relacionadas entre sí”, concluye Miguel Verdú.

Referencia: 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://besjournals.onlinelibrary.wiley.com/doi/10.1111/2041-210X.13827

FOTO: Parche de vegetación en el que distintas plantas coexisten, algunas ayudándose y otras compitiendo/Autora: Alicia Montesinos