Inteligența artificială ascultă bâzâitul albinelor pentru a le monitoriza fără capcane letale
Populațiile multor polenizatori, inclusiv ale bondarilor, sunt în declin de câteva decenii din cauza utilizării pe scară largă a pesticidelor chimice, a pierderii habitatelor și a schimbărilor climatice accelerate. Însă evaluarea amplorii problemei sau a eficienței strategiilor de conservare este dificilă fără recursul la capcane letale, care pot ucide zeci de mii de albine pentru a obține o estimare corectă a populațiilor.
„Lucrez cu albine de peste un deceniu și pot distinge un bondar de o albină meliferă pe teren după sunet. Dacă creierul meu poate distinge cu ușurință între categoriile de albine, atunci ar trebui să putem antrena un model de inteligență artificială să facă același lucru”, a declarat Laura Figueroa, profesor asistent de conservare a mediului la Universitatea din Massachusetts Amherst și autoarea principală a unui studiu recent publicat în revista Approaches in Entomology: Methods, Philosophies, and Ethics.
Necesitatea este acută. Polenizatorii sunt responsabili pentru servicii ecosistemice estimate la peste 200 de miliarde de dolari la nivel mondial și sunt esențiali pentru reproducerea majorității speciilor de plante din lume.
Costul capcanelor letale
Standardul de aur pentru monitorizarea populațiilor de insecte a fost, istoric, trimiterea entomologilor instruiți pe teren pentru a colecta insecte și a le procesa în laborator. În acest scop, majoritatea folosesc capcane letale, adesea simple pahare colorate umplute cu apă cu săpun.
Problema, dincolo de ironia evidentă de a ucide mii de albine a căror stare a populației este evaluată, este că astfel de capcane nu fac diferența între specii și produc daune colaterale mari asupra speciilor care nu sunt vizate, necesitând totodată mult timp de procesare după colectare.
„Deși capcanele letale vor continua să fie importante pentru monitorizarea polenizatorilor, deoarece multe specii de albine pot fi identificate doar la microscop, trebuie să existe o modalitate mai bună de a monitoriza activitatea albinelor”, afirmă Figueroa.
Identificarea albinelor după bâzâit
Aici intervine inteligența artificială. În 2024, Figueroa a arătat că unele modele de inteligență artificială, respectiv rețelele neuronale de învățare profundă, sunt foarte eficiente în identificarea insectelor. Ea și colegii săi au folosit aceste cunoștințe pentru a construi două modele dedicate polenizatorilor: unul care detectează activitatea generală a albinelor în înregistrările audio realizate într-un sit și altul care poate distinge între albinele melifere și bondari pe baza acelorași înregistrări. Modelele sunt disponibile pe Raven Pro, un instrument de analiză acustică folosit frecvent de oamenii de știință pentru analiza activității speciilor.
Echipa a antrenat modelele, specializate în analiza sunetelor produse de albine, pe 594 de înregistrări de teren realizate de-a lungul a cinci ani în 43 de situri din nord-estul Statelor Unite. Modelele au atins rate de precizie foarte ridicate, identificând corect între 93% și 97% dintre albinele dintr-un eșantion, și au fost puternic corelate cu observațiile vizuale făcute de cercetătorii instruiți pe teren.
„Modelul nostru nu a fost dezvoltat pentru a înlocui metodele tradiționale, ci ne permite să obținem estimări precise ale activității albinelor în momente și locuri care ar fi dificil de eșantionat pentru cercetători, de exemplu în coronamentul copacilor sau în timpul valurilor de căldură. Este un instrument complementar într-un set diversificat de instrumente de care avem nevoie pentru a monitoriza eficient polenizatorii pe teren”, a mai spus Figueroa.
