종의 멸종 사슬에서 AI는 끊어질 다음 연결고리를 예측할 수 있습니다.

Aug 22, 2023

약 100년 전, 옐로스톤 국립공원의 포식자 통제 프로그램으로 인해 이 지역에 서식하는 늑대가 멸종되었습니다. 이는 전체 생태계의 점진적인 악화를 시작했습니다. 늑대가 없으면 엘크 개체수가 폭발적으로 증가하여 과도한 방목이 발생했습니다. 적절한 크기의 나무와 식물이 없으면 비버는 댐을 만들 수 없습니다. 이는 결국 지역 강의 물의 흐름에 영향을 미치고 결국 물고기에도 영향을 미쳤습니다.

이러한 생태학적 폭포가 2023년에 발생했다면 인공지능 모델은 그 영향을 미리 예측할 수 있었을 것입니다.

호주 플린더스 대학교 과학자들이 개발한 기계 학습 모델은 포식자나 먹이가 생태계에 도입되거나 제거될 경우 어떤 종이 ​​멸종될 가능성이 있는지 예측할 수 있습니다. 다양한 종들이 서로 어떻게 상호 작용하는지에 대한 데이터를 학습했습니다.

Ecography 저널에 발표된 연구에서는 종의 상호 작용에 대한 데이터를 수집하고 기계 학습 알고리즘을 훈련하여 멸종 폭포(생태계에서 1차 멸종의 파급 효과의 일부로 발생하는 2차 멸종)를 예측하는 방법에 대한 프레임워크를 설명합니다.

이 모델은 종의 상호작용과 생태계 건강 사이의 중요한 상관관계를 기반으로 합니다. 전 세계 생태계가 건강한 균형을 유지하려면 그 안에 존재하는 복잡한 먹이사슬을 방해하지 않는 것이 중요합니다.

“과거에 일어났고 앞으로도 일어날 많은 멸종은 종의 상호작용을 통해 일어납니다.” 플린더스 대학의 고생태학 네트워크 모델링 연구의 수석 저자이자 연구원인 John Llewelyn은 비디오 인터뷰에서 Mongabay에게 말했습니다. “또 다른 예는 새로운 지역으로 이동하는 침입종을 볼 때입니다. 유입된 포식자는 토착종을 잡아먹을 수 있으므로 이러한 상호작용을 예측하여 이들의 보존 우선순위를 정하는 것이 중요합니다.”

2021년에 Llewelyn과 그의 팀은 다양한 종이 서로 어떻게 상호 작용하는지에 대한 데이터를 수집하기 시작했습니다. 각 종에 대해 그들은 또한 먹이그물에서 그들의 위치를 ​​결정하는 데 도움이 될 특성에 대한 데이터를 수집했습니다. 여기에는 신체 크기, 식단(식물을 먹나요? 그렇지 않다면 척추동물이나 무척추동물을 먹나요?), 하루 중 활동하는 시간(일주, 야행성 또는 어두컴컴한지?) 및 서식지(천개층)에 대한 데이터가 포함됩니다. 아니면 관목이나 지상?). 팀이 알고리즘을 훈련한 후에는 "특징이 있는 다른 종의 목록을 건네주고 '그 목록에서 누가 누구를 먹을 것인가?'라고 모델에게 질문할 수 있었습니다"라고 Llewelyn은 말했습니다.

모델의 효능을 확증하기 위해 Llewelyn은 호주의 심슨 사막에서 이를 테스트했으며 이미 자세한 포식자-피식자 데이터를 보유하고 있었습니다.

"우리는 실제로 심슨 사막에 도입된 종을 포함하여 포식자-피식자 상호 작용을 매우 정확하게 예측했습니다."라고 그는 말했습니다. "여우와 고양이는 호주에 포식자로 유입되었으며 알고리즘은 해당 종이 무엇을 잡아먹는지 정확하게 선택할 수 있습니다."

Llewelyn은 이 모델이 다른 자원과 함께 사용될 때 현장에서 보존 조치를 실행하는 데 좋은 도구가 될 수 있다고 말했습니다.

그는 100년 전 유럽에서 호주로 유입된 침입종인 붉은 여우(Vulpes vulpes)의 예를 인용했습니다. 여우는 이 나라의 식물과 자생종에 매우 파괴적입니다. 그러나 지금까지 여우는 태즈매니아 섬에 개체군을 형성하는 것이 금지되었습니다. Llewelyn은 태즈매니아에서 여우 개체수가 급증할 경우 이 모델을 사용하여 생태학적 및 생물 다양성에 미치는 영향을 이해할 수 있다고 말했습니다.

“이 동물이 어떤 종을 가장 많이 잡아먹을지 예측할 수 있습니다.”라고 그는 말했습니다. “그러면 취약한 토착종을 대상으로 다양한 보존 전략을 사용할 수 있습니다. 예를 들어, 여우의 화학적 신호를 피하도록 훈련시킬 수 있습니다.”

그러나 종의 상호 작용에 대한 데이터가 부족하기 때문에 모델을 훈련하는 것은 어려운 작업입니다.