Un equip de recerca del Centre d’Investigacions sobre Desertificació (CIDE, UV-CSIC-GVA) i l’Institut de Física Corpuscular (IFIC, UV-CSIC) ha presentat la primera aplicació de la Intel·ligència Artificial Generativa a la predicció dels patrons de coexistència de plantes. Els models desenvolupats permetran preveure les conseqüències de la pèrdua d’unes espècies sobre la supervivència de les altres. El treball ha estat publicat a la revista Methods in Ecology and Evolution.
Les espècies de la Terra estan interconnectades entre si. Cada planta, cada animal o cada diminut bacteri viu en íntima connexió amb altres espècies, de manera que en una comunitat poden coexistir desenes, centenars o fins i tot milers d’espècies que interactuen directament i indirectament. Davant la pèrdua de la biodiversitat actual, és clau conèixer la dinàmica d’aquestes interaccions i dels patrons de relació entre diferents espècies en un ecosistema, les anomenades xarxes ecològiques.
En aquest camp, un equip de recerca del CIDE –centre mixt de la Universitat de València, el CSIC i la Generalitat Valenciana– i de l’IFIC –centre mixt de la Universitat de València i el CSIC– ha dut a terme un estudi que contribueix a la predicció d’aquests patrons mitjançant l’ús de tècniques de computació en Intel·ligència Artificial anomenades 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 detectar patrons més enllà de les estadístiques tradicionals. I els models desenvolupats desprenen prediccions correctes sobre ecosistemes semiàrids com els presents a la Comunitat Valenciana.
“En aquest estudi explorem l’ús d’un conjunt de tècniques d’aprenentatge automàtic d’avantguarda, anomenades Intel·ligència Artificial Generativa (GenAI), per predir patrons de coexistència d’espècies que es podrien utilitzar per desentranyar els mecanismes subjacents a l’assemblatge de la comunitat”, explica Miguel Verdú, investigador del CSIC al CIDE. Per la seua banda, Verónica Sanz, Investigadora Distingida Beatriz Galindo de la Universitat de València a l’IFIC, destaca l’enorme capacitat de l’aprenentatge no supervisat. “En ser entrenats amb les observacions dutes a terme pel CIDE, els nostres algoritmes van aprendre relacions molt complexes com, per exemple, el fet que hi haja espècies que cooperen i faciliten la repoblació, però que es transformen en competidores en presentar-se certes espècies noves”.
Una realitat complexa
L’estudi se centra en ecosistemes semiàrids d’Espanya i de 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 condicions ambientals exigents, 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 de guix i calcària, que contenien entre 2 i 17 espècies per pegat. Els resultats van permetre obtindré prediccions correctes sobre l’abundància relativa de pegats amb diferent composició d'espècies, l’afinitat de les espècies vegetals amb el terra i el paper de les interaccions indirectes de tercer i quart ordre a la coexistència de parells d’espècies. En aquest darrer 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 ‘aprendre’ els patrons de coexistència de les espècies permet generar prediccions realistes sobre patrons complexos que serien difícils de detectar en el camp. “Aquests models ens ofereixen una valuosa oportunitat per comprendre millor les regles que governen la manera de connectar-se de les diferents espècies en ecosistemes naturals, i contribueixen a millorar la predicció de les conseqüències que té la pèrdua d’espècies relacionades entre si”, conclou 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
FOTO: Pegat de vegetació en què diferents plantes coexisteixen, algunes ajudant-se i altres competint/Autora: Alicia Montesinos