ИИ-модели превосходят традиционные климатические прогнозы, предлагая новые данные о будущем коралловых рифов

Новое исследование под руководством Общества охраны дикой природы (WCS) показывает, что модели искусственного интеллекта (ИИ) дают более точные и обнадеживающие прогнозы будущего коралловых рифов в условиях изменения климата. Результаты указывают, что, хотя многим рифам грозят серьезные риски и деградация, другие могут оставаться стабильными или даже восстанавливаться, особенно там, где местное управление снижает такие факторы давления, как перелов, загрязнение воды и деградация побережья.

Опубликованное в журнале Coral Reefs, исследование утверждает, что подходы машинного обучения (ML), обученные на десятилетиях реальных полевых данных, предсказывают состояние и перспективы коралловых рифов точнее, чем теоретические модели климатического воздействия, основанные на одной переменной. До сих пор большинство теоретических прогнозов основывались на чрезмерно упрощенных показателях, таких как избыточное тепло, которые не всегда хорошо коррелировали с фактическим состоянием рифов. Инструменты ML учитывают сложность экосистем коралловых рифов и множество факторов окружающей среды, формирующих их реакцию на комплексные изменения в нагревающихся океанах.

"Модели машинного обучения основаны не на простых теориях и ограниченном тестировании. Они опираются на обширные полевые наблюдения, спутниковые и судовые измерения", — заявил доктор Тим МакКланахан, директор по науке Глобальной морской программы WCS и ведущий автор исследования.

Эти модели показывают, что реакция рифов на изменение климата в значительной степени зависит от множества локальных факторов, таких как изменчивость температуры, глубина, течения и антропогенное давление от рыболовства и освоения побережья. Поэтому последствия изменения климата неоднородны. Многим рифам грозят негативные и даже катастрофические последствия, но некоторые демонстрируют устойчивость или восстановление, если к глобальным климатическим угрозам не добавлять дополнительные локальные факторы стресса.

Анализируя большие массивы полевых данных, новые ML-модели подчеркивают, как локальные условия и эффективное управление могут давать измеримый положительный результат, помогая ученым и лицам, принимающим решения, направлять усилия по защите и управлению туда, где они окажут наибольшее воздействие.

"ИИ может улучшить то, как мы прогнозируем и планируем будущее коралловых рифов, — сказала доктор Эмили Дарлинг, директор Программы сохранения коралловых рифов WCS. — Но ИИ нуждается в данных, и продолжение поддержки высококачественного мониторинга и науки о рифах критически важно для определения того, какие рифы, вероятно, сохранятся, и где действия будут иметь наибольший эффект".

Исследование призывает к продолжению работы по объединению прогнозных моделей на основе ИИ с традиционной объяснительной наукой для уточнения понимания и более точного направления природоохранных инвестиций. Это позволит лучше прогнозировать устойчивость рифов, определять приоритетные для сохранения участки и сосредоточить ограниченные ресурсы там, где они важнее всего.

"Мы не можем похоронить рифы, пока они еще живы", — заключил доктор МакКланахан.