La inteligencia artificial revela las características ocultas de las plantas de nuestro planeta para ayudar a salvar especies

Científicos de la Universidad de Nueva Gales del Sur y los Jardines Botánicos de Sídney han entrenado inteligencia artificial para desbloquear datos de millones de especímenes de plantas conservados en herbarios de todo el mundo para estudiar y combatir los efectos del cambio climático en las plantas.

«Las colecciones de herbario son asombrosas cápsulas de tiempo de muestras de plantas», dice el autor principal del estudio, el profesor asociado Will Cornwell. «Solo en Nueva Gales del Sur se agregan más de 8000 especímenes anualmente al Herbario Nacional, por lo que ya no es posible navegar a través de las cosas manualmente».

Usando un nuevo algoritmo de aprendizaje automático para procesar más de 3000 muestras de hojas, el equipo descubrió que, en contraste con los patrones observados con mayor frecuencia entre especies, el tamaño de las hojas no aumenta en climas más cálidos dentro de una sola especie.

Publicado en Revista americana de botánicaEsta investigación no solo revela que otros factores además del clima tienen un fuerte efecto en el tamaño de las hojas dentro de las especies de plantas, sino que demuestra cómo se puede usar la inteligencia artificial para transformar de manera rápida y efectiva las colecciones de muestras fijas y documentar los efectos del cambio climático.

Las colecciones de herbario se vuelven digitales

Los herbarios son bibliotecas científicas de especímenes de plantas que existen desde al menos el siglo XVI. «Históricamente, un esfuerzo científico valioso fue salir y recolectar plantas y luego guardarlas en un herbario. Cada registro tiene una hora, un lugar, un colector y un identificador de especie asumido», dice A/Professor. Cornwell, un erudito de BEES y miembro del Data Science Hub de UNSW.

Hace un par de años, para ayudar a facilitar la colaboración científica, hubo un movimiento para mover estas colecciones en línea.

«Las colecciones de herbario se han encerrado en pequeñas cajas en ciertos lugares, pero ahora el mundo es muy digital. Entonces, para obtener información sobre todos los asombrosos especímenes para los científicos repartidos por todo el mundo, se ha hecho un esfuerzo por escanear muestras para producir datos de alta calidad». -resolución versiones digitales de ellos.”

El proyecto de creación de imágenes de herbario más grande tuvo lugar en los Jardines Botánicos de Sydney cuando más de un millón de especímenes de plantas en el Herbario Nacional de Nueva Gales del Sur se convirtieron en imágenes digitales de alta resolución.

«El proyecto de digitalización tomó más de dos años y, poco después de que se completara, uno de los investigadores, el Dr. Jason Bragg, se puso en contacto conmigo desde los Jardines Botánicos de Sydney. Quería ver cómo podíamos integrar el aprendizaje automático con algunas de estas tecnologías digitales de alta resolución». imágenes de muestras de herbario.”

“Estaba emocionado de trabajar con el Prof. Cornwell en el desarrollo de modelos para detectar hojas en imágenes de plantas y luego usar esos grandes conjuntos de datos para estudiar las relaciones entre el tamaño de las hojas y el clima”, dice el Dr. Bragg.

La visión artificial mide el tamaño de las hojas

Junto con el Dr. Bragg en los Jardines Botánicos de Sydney y el estudiante de honores de la UNSW Brendan Wild, A/Prof. Cornwell ideó un algoritmo automatizado para detectar y medir el tamaño de las hojas de muestras de malezas escaneadas de dos embriones botánicos: Syzygium (generalmente conocido como Lillipillies, cerezas o satén) y Ficus (un género de alrededor de 850 especies de árboles leñosos, arbustos y enredaderas).

“Este tipo de inteligencia artificial se llama red neuronal convolucional, también conocida como visión por computadora”, dice Cornwell. El proceso básicamente enseña a la inteligencia artificial a ver e identificar los componentes de una planta de la misma manera que lo haría un humano.

«Tuvimos que construir un conjunto de datos de capacitación en educación informática: esta es una hoja, este es un tallo, esta es una flor», dice Cornwell. «Así que le enseñamos a la computadora a ubicar las hojas y luego medir su tamaño.

«Medir el tamaño de las hojas no es nada nuevo, porque mucha gente lo ha hecho. Pero la velocidad con la que se pueden procesar estas muestras y registrar sus características individuales es un nuevo desarrollo».

Una ruptura en los patrones frecuentemente observados

La regla general en el mundo de las plantas es que en climas húmedos, como las selvas tropicales, las hojas de las plantas son más grandes en comparación con climas más secos, como los desiertos.

«Y ese es un patrón muy consistente que vemos en las hojas entre las especies de todo el mundo», dice Cornwell. «La primera prueba que hicimos fue ver si podíamos reconstruir esa relación a partir de los datos aprendidos por máquina, lo cual podíamos hacer. Pero la segunda pregunta fue, dado que ahora tenemos muchos más datos que antes, ¿vemos lo mismo? ¿Algo dentro de la especie?

Se desarrolló, validó y aplicó un algoritmo de aprendizaje automático para analizar la relación entre el tamaño de la hoja y el clima dentro y entre las especies de plantas Syzygium y Ficus.

Los resultados de esta prueba fueron sorprendentes: el equipo descubrió que, si bien este patrón se puede ver entre diferentes especies de plantas, no se observa la misma asociación dentro de una sola especie en todo el mundo, probablemente debido a un proceso diferente, conocido como flujo de genes, que opera dentro de las especies. . Este proceso perjudica la adaptación de las plantas a nivel local y podría evitar que la relación entre el tamaño de las hojas y el clima evolucione dentro de las especies.

Uso de inteligencia artificial para predecir futuras respuestas al cambio climático

El enfoque de aprendizaje automático utilizado aquí para la detección y cuantificación de hojas, aunque no es óptimo en píxeles, proporciona niveles de precisión adecuados para examinar los vínculos entre los rasgos de las hojas y el clima.

«Pero debido a que el mundo está cambiando tan rápidamente y hay tantos datos, este tipo de métodos de aprendizaje automático se pueden usar para documentar de manera efectiva los efectos del cambio climático», dice Cornwell.

Además, los algoritmos de aprendizaje automático se pueden entrenar para identificar tendencias que pueden no ser evidentes de inmediato para los investigadores humanos. Esto podría conducir a nuevos conocimientos sobre la evolución y adaptación de las plantas, así como predicciones sobre cómo responderán las plantas a los impactos futuros del cambio climático.