Metod mašinskog učenja mapira neizvjesnost scenarija biodiverziteta – veza sa bigfutom

Problem je to što su ovi modeli često veoma ograničeni. Često nisu dobri kad se radi o neizvjesnosti: ako vrsta nije dovoljno dobro opisana, ako su relevantni klimatski uslovi slabo shvaćeni ili ako model jednostavno nije baš precizan, modeli imaju tendenciju da budu netačni.

Stoga, kad se koriste za vođenje javne politike ili procjenu efikasnosti odlučivanja, postaje ključno da se kaže kad bi njihova predviđanja mogla biti manjkava. Ovo je metodološki problem kojim se bave naučnici sa Odeljenja za biološke nauke Montrealskog univerziteta.

Oni prilagođavaju dobro ustanovljenu metodu u mašinskom učenju koja još nije korišćena u istraživanju biodiverziteta — konformnu predikciju — kako bi predložili nov pristup mapiranju neizvesnosti scenarija biodiverziteta.

Kako? Koristeći podatke dobijene putem slučajeva viđenja prilično neobične (i nestvarne) vrste: bigfuta (poznatog i kao saskvač), velikog, dlakavog, mitskog stvorenja za koje se kaže da naseljava šume Sjeverne Amerike, naročito na pacifičkom sjeverozapadu.

„Kad razvijamo novu metodu, često koristimo simulirane podatke, i to je frustrirajuće jer su simulacije previše čiste“, kažu naučnici. „Međutim, zajednica koja vjeruje u postojanje bigfuta ima bazu podataka o svim viđenjima, i to je skup podataka koji savršeno odgovara ovom zadatku. Dakle, demonstrirajući kako metoda funkcioniše na realističnim podacima, pravimo korak nazad u pogledu same biologije“.

Svijet

Majmun preminuo zbog zavisnosti od alkohola: Koristili ga kao zabavljača u kafiću

Ovaj novi pristup stavlja veći naglasak na izbore koje prave korisnici scenarija. „Možemo izabrati nivo neizvesnosti sa kojim smo spremni da radimo; ako želimo da otkrijemo invazivnu vrstu u ranoj fazi ili da preduzmemo veoma skupe mjere za zaštitu rijetke vrste, rizici koje smo spremni da tolerišemo su različiti. Takođe možemo mapirati neizvesnost u budućnosti“, kažu istraživači.

U pokušaju da predvide kako vrste reaguju na klimatske promjene, naučnici polaze od centralne pretpostavke: njihovo povjerenje u njihove modele trebalo bi da opada dok klima postaje sve drugačija od istorijskih uslova.

Međutim, putem projektovanja neizvesnosti na model bigfuta, izgleda da ova pretpostavka nije uvijek opravdana. „Oblasti u kojima je klima trebalo najviše da se promijeni nisu one u kojima se neizvesnost modela povećavala. Ovo sugeriše da naši modeli mogu da se generalizuju na promjenljive klimate, ali da zadržavaju dio svoje neizvesnosti“.

(telegraf)