種の絶滅の連鎖において、AI は次に断ち切られる連鎖を予測できる

Aug 22, 2023

約100年前、イエローストーン国立公園の捕食者駆除プログラムにより、この地域に生息するオオカミが絶滅しました。 これにより、生態系全体が徐々に悪化していきました。 オオカミがいなければヘラジカの数は爆発的に増加し、過放牧が発生しました。 適切な大きさの木や植物がなければ、ビーバーはダムを作ることができませんでした。 これは地元の川の水の流れに影響を与え、最終的には魚に影響を与えました。

もしこの生態学的カスケードが 2023 年に起こっていたら、人工知能モデルはその影響をかなり前に予測できたかもしれません。

オーストラリアのフリンダース大学の科学者が開発した機械学習モデルは、生態系に捕食者や被食者が侵入したり、生態系から除去された場合にどの種が絶滅する可能性が高いかを予測できる。 これは、異なる種がどのように相互作用するかに関するデータに基づいてトレーニングされています。

ジャーナル「エコグラフィー」に掲載された研究では、種の相互作用に関するデータを照合し、絶滅カスケード (生態系における一次絶滅の波及効果の一部として発生する二次絶滅) を予測するための機械学習アルゴリズムをトレーニングする方法のフレームワークが説明されています。

このモデルは、種間の相互作用と生態系の健全性の間の重要な相関関係に基づいています。 世界中の生態系が健全な平衡を維持するには、その中に存在する複雑な食物網を混乱させないことが重要です。

「過去に起こった、そして将来起こるであろう絶滅の多くは、種の相互作用を通じて起こります」とフリンダース大学の古生態ネットワークモデリング研究の主著者であるジョン・ルウェリン氏はビデオインタビューでモンガベイに語った。 「別の例は、外来種が新しい地域に移動している場合です。 導入された捕食者が在来種を捕食する可能性があるため、それらの保護を優先できるように、それらの相互作用を予測することが重要です。」

2021 年、ルウェリン氏と彼のチームは、異なる種がどのように相互作用するかに関するデータの収集を開始しました。 それらの種ごとに、彼らは食物網におけるその位置を決定するのに役立つ特性に関するデータも収集しました。 これには、体の大きさ、食事（植物を食べるのか？食べないなら脊椎動物か無脊椎動物を食べるのか？）、活動する時間帯（昼行性、夜行性、薄明薄明性？）、および生息地（林冠）に関するデータが含まれます。それとも低木ですか、それとも地面ですか？） チームがアルゴリズムを訓練したら、「その特徴を含む他の種のリストを渡し、モデルに『そのリストの中から誰が誰を食べるのか？』と尋ねることができる」とルウェリン氏は語った。

このモデルの有効性を裏付けるために、ルウェリン氏はオーストラリアのシンプソン砂漠でそれをテストしました。彼はすでに詳細な捕食者と被食者のデータを持っていました。

「私たちは実際、シンプソン砂漠における捕食者と被食者の相互作用を非常に正確に予測しました。これには、そこに移入された種も含まれます。」と彼は言いました。 「キツネとネコはオーストラリアに移入された捕食者であり、アルゴリズムはこれらの種が捕食するものを正確に特定できるでしょう。」

ルウェリン氏は、このモデルを他のリソースと併用すると、地上で保全活動を実施するための優れたツールになる可能性があると述べた。

同氏は、1世紀前にヨーロッパからオーストラリアに持ち込まれた外来種であるアカギツネ（Vulpes vulpes）の例を挙げた。 キツネは、この国の植物や在来種に大きな被害を与えます。 しかし、これまでタスマニア島ではキツネが個体群を確立することができなかった。 ルウェリン氏は、タスマニアでキツネの個体数が急増した場合に、このモデルを生態学的および生物多様性への影響を理解するために使用できる可能性があると述べた。

「どの種を捕食する可能性が最も高いかを予測することができます」と彼は言いました。 「そうすれば、それらの脆弱な在来種を対象としたさまざまな保全戦略を採用できます。 たとえば、キツネの化学物質の刺激を避けるように訓練することができます。」

ただし、種の相互作用に関するデータが不足していることを考えると、モデルをトレーニングするのは困難な作業です。