A partir da análise de um conjunto de dados estatísticos, o aprendizado de uma máquina consegue detectar padrões e prever, por exemplo, as preferências musicais de uma pessoa. Aproveitando essa possibilidade de antecipação, pesquisadores do Laboratório de Ecologia Global da Flinders University têm utilizado a inteligência artificial (IA) para identificar interações entre espécies, antever quais delas têm maior probabilidade de extinção e, assim, planejar intervenções protetivas eficazes.
O algoritmo utilizado pela equipe, chamado Random Forest, aprende características relacionadas às espécies a partir de informações de como elas interagem. Para testar a IA, os pesquisadores avaliaram se ela conseguiria prever, com precisão, a relação predador-presa entre duas classes de vertebrados terrestres: aves e mamíferos. A solução previu corretamente de 67% a 88% da relação das interações e não interações nos conjuntos de dados globais analisados.
A expectativa é de que a ferramenta possa ajudar a entender como se dá às relações de cadeia alimentar nos ecossistemas terrestres de forma realista, minimizando o risco de extinção em cascata. “Ao saber quais espécies interagem, podemos identificar como distúrbios ambientais, como mudanças climáticas e espécies introduzidas, podem ter efeitos em cascata nas comunidades ecológicas. Isso nos permite entender como as extinções acontecem”, explica, em nota, o primeiro autor do estudo, publicado na revista Ecography, John Llewelyn.
Coextinção
Além disso, eles avaliam que o Random Forest poderá ajudar a evitar coextinções, que são fenômenos de perda ou declínio de uma espécie por consequência do desaparecimento de outra, como um predador que se extingue após a perda de sua presa. “Muitas dessas extinções são mediadas por interações de espécies, desencadeadas pela perda ou ganho. Descobrimos que o aprendizado de máquina pode prever quem come quem em um mundo de espécies conectadas”, afirma Llewelyn.
Há ainda a possibilidade de a ferramenta ajudar a encontrar respostas sobre como se relacionaram animais antigos e já extintos. “Podemos usar esse método para preencher as muitas lacunas que temos em nosso conhecimento sobre as interações das espécies”, aposta Llewelyn. Em estudos anteriores, em que o algoritmo foi aplicado em comunidades aquáticas e de invertebrados, os resultados apontaram desempenho superior ao da análise mais recente. Por isso, a equipe deseja expandir o banco de dados de aves e mamíferos para que o algoritmo possa ser aprimorado quanto à precisão de identificação.
Fonte: Correio Braziliense, adaptado pela equipe Cães e Gatos VET FOOD.
LEIA TAMBÉM:
Médico-veterinário agora estará incluído na saúde indígena
