Na cadeia de extinções de espécies, a IA pode prever o próximo elo a quebrar

Aug 22, 2023

Cerca de 100 anos atrás, um programa de controle de predadores no Parque Nacional de Yellowstone extinguiu os lobos nativos da região. Isso deu início à deterioração gradual de todo o ecossistema. Sem lobos, a população de alces explodiu, levando ao sobrepastoreio. Sem árvores e plantas de tamanho adequado, os castores não conseguiam construir represas. Isto, por sua vez, afetou o fluxo de água nos rios locais, o que acabou afetando os peixes.

Se esta cascata ecológica tivesse ocorrido em 2023, um modelo de inteligência artificial poderia ter sido capaz de prever as repercussões com bastante antecedência.

Um modelo de aprendizagem automática desenvolvido por cientistas da Universidade Flinders, na Austrália, pode prever quais espécies são suscetíveis de serem extintas se um predador ou presa for introduzido ou removido de um ecossistema. Ele é treinado com base em dados sobre como diferentes espécies interagem entre si.

Um estudo publicado na revista Ecography delineia a estrutura de como reunir dados sobre interações de espécies e treinar algoritmos de aprendizado de máquina para prever cascatas de extinção – as extinções secundárias que ocorrem como parte de um efeito cascata de extinções primárias em um ecossistema.

O modelo baseia-se na importante correlação entre as interações das espécies e a saúde dos ecossistemas. Para que os ecossistemas em todo o mundo mantenham um equilíbrio saudável, é importante não perturbar as complexas teias alimentares que neles existem.

“Muitas extinções que aconteceram no passado, e que acontecerão no futuro, acontecem através de interações entre espécies”, disse John Llewelyn, principal autor do estudo e pesquisador em modelagem de redes paleoecológicas na Universidade Flinders, à Mongabay em uma entrevista em vídeo. “Outro exemplo é quando você observa espécies invasoras se mudando para uma nova área. Um predador introduzido pode atacar espécies nativas e, portanto, é importante prever essas interações para que você possa priorizar sua conservação.”

Em 2021, Llewelyn e sua equipe começaram a coletar dados sobre como diferentes espécies interagiam entre si. Para cada uma dessas espécies, também recolheram dados sobre as suas características que ajudariam a determinar a sua posição na cadeia alimentar. Isso incluiu dados sobre tamanho corporal, dieta (eles comem plantas? Se não, comem vertebrados ou invertebrados?), a hora do dia em que estão ativos (diurno, noturno ou crepuscular?), E seus habitats (copa ou arbustos ou ao nível do solo?). Depois que a equipe treinou o algoritmo, eles poderiam “entregar-lhe uma lista de outras espécies com suas características e perguntar ao modelo 'Quem vai comer quem dessa lista?'”, Disse Llewelyn.

Para corroborar a eficácia do modelo, Llewelyn testou-o no deserto de Simpson, na Austrália, para o qual já possuía dados detalhados de predadores-presas.

“Na verdade, previmos as interações predador-presa com muita precisão para o deserto de Simpson, inclusive para as espécies introduzidas lá”, disse ele. “Raposas e gatos são predadores introduzidos na Austrália, e o algoritmo pode escolher com precisão o que essas espécies atacam.”

Llewelyn disse que o modelo, quando usado com outros recursos, poderia ser uma boa ferramenta para implementar ações de conservação no terreno.

Ele citou o exemplo das raposas vermelhas (Vulpes vulpes), uma espécie invasora introduzida na Austrália pela Europa há um século. As raposas são altamente destrutivas às plantas e espécies nativas do país. No entanto, até agora, as raposas foram impedidas de estabelecer populações na ilha-estado da Tasmânia. Llewelyn disse que o modelo poderia ser usado para compreender as implicações ecológicas e de biodiversidade caso a população de raposas proliferasse na Tasmânia.

“Você poderia prever quais espécies ele provavelmente atacaria”, disse ele. “Então você pode empregar diferentes estratégias de conservação voltadas para essas espécies nativas vulneráveis. Por exemplo, você poderia treiná-los para evitar os sinais químicos das raposas.”

No entanto, dada a escassez de dados sobre as interações entre espécies, treinar o modelo é uma tarefa difícil.