Sbírky

ButterflyNet: AI ověřuje první matematický model evoluce

ButterflyNet: AI ověřuje první matematický model evoluce

AI byla použita k otestování platnosti Müllerian Mimicry, teorie, která uvádí, že jednotlivé druhy jsou nižší v potravinovém řetězci, vyvine podobné varovné signály - často vzory kůže nebo křídel - pro plašení predátorů.

Studie strojového učení, prováděná na dvou podobných druzích motýlů, potvrdila teorii a poukázala na nové objevy.

Tým, který stojí za touto studií, říká, že tato nová metoda „umožňuje objevy, které dříve dříve nebyly možné“.

SOUVISEJÍCÍ: VÝVOJ TEORIE EVOLUCE

Müllerova mimika

Někteří se obávají, že nás umělá inteligence dokáže napodobit natolik, že je schopná vědomého myšlení - je to nově nalezená sentience, která z ní dělá vrcholového predátora, jako je Skynet vTerminátor.

V nové studii vědců z Anglie a Japonska byla AI použita k testování způsobu, jakým se hmyz navzájem napodobuje, aby přelstil dravce - bezpochyby užitečná informace pro Skynet.

Teorie Müllerian mimikry předpokládá, že druhy - často podobné - se navzájem napodobují nebo se vyvíjejí společně. Například pokud má jeden druh motýla na křídlech varovný vzor, ​​který je účinný při odvrácení predátorů, tento druh napodobí jiný druh motýla - pokud chcete, přežije se napodobitel.

Teorii poprvé navrhl německý přírodovědec Fritz Müller, pouhé dvě desetiletí poté, co ji publikoval Charles DarwinO původu druhů.

Strojové učení s křídly

Testování evoluční podobnosti různých vzorů různých druhů motýlů by bylo pečlivým počinem. Tým výzkumníků našel řešení strojového učení.

Tým z University of Cambridge, University of Essex, Natural History Museum ve Velké Británii a Tokijského technologického institutu v Japonsku pomocí algoritmu strojového učení otestoval, zda druhy motýlů skutečně společně vyvíjejí podobné vzory křídel pro vzájemné výhoda.

„Nyní můžeme aplikovat AI v nových oborech na objevy, které dříve nebyly možné,“ uvedla v tiskové zprávě Jennifer Hoyal Cuthill z Cambridgeské univerzity.

„Chtěli jsme otestovat Müllerovu teorii v reálném světě. Sbíraly se tyto druhy navzájem na vzorcích křídel, a pokud ano, kolik? Nebyli jsme schopni dříve napodobit napodobeniny napříč tímto evolučním systémem kvůli obtížnosti kvantifikace, jak podobné dva motýli jsou. “

Kvantifikace variací

Použitím 2400 fotografií (příklady výše) z Přírodovědného muzea tým procvičil svůj algoritmus zvaný ButterflyNet, aby zaznamenal odchylky ve vzorcích motýlích křídel.

ButterflyNet byl poté připraven pracovat na motýlích Heliconius, ukázkovém příkladu Müllerian mimikry - více než 30 rozpoznatelných typů vzorů učinit je ideálním kandidátem.

„Zjistili jsme, že tyto druhy motýlů si navzájem půjčují, což potvrzuje Müllerovu hypotézu o vzájemném společném vývoji,“ řekl Hoyal Cuthill.

„Ve skutečnosti je konvergence tak silná, že napodobeniny různých druhů jsou si více podobné než členové stejného druhu.“

Nové vzorce, nová zjištění

Vědci také zjistili, že Müllerova mimika může generovat zcela nové vzory u motýlů kombinací funkcí z různých linií. Evoluce efektivně hledá nejefektivnější kombinaci různých vzorů.

„Intuitivně byste očekávali, že bude méně vzorů křídel, kde se druhy navzájem napodobují, ale vidíme přesně opak, což byla evoluční záhada,“ řekl Hoyal Cuthill.

„Naše analýza ukázala, že vzájemná společná evoluce může ve skutečnosti zvýšit rozmanitost vzorů, které vidíme, a vysvětluje, jak může evoluční konvergence vytvořit nové kombinace vlastností vzorů a přidat biologickou rozmanitost,“ poznamenal Cuthill. „Využitím AI jsme objevili nový mechanismus, kterým mimikry mohou produkovat evoluční novinku. Naproti tomu mimikry samy o sobě mohou generovat nové vzorce prostřednictvím výměny znaků mezi druhy, které se navzájem napodobují.“

Pokračovala: „Díky AI jsme nyní schopni kvantifikovat pozoruhodnou rozmanitost života, abychom dosáhli nových vědeckých objevů, jako je tento: mohlo by to otevřít úplně nové cesty výzkumu v přírodním světě.“

Článek výzkumníka byl publikován v časopise Journal,Vědecké zálohy.


Podívejte se na video: THE SHIELD (Leden 2022).