Przejdź do treści

GARIN AI Spółka Akcyjna

Strona główna » Cyfrowe zielniki i AI: nowa infrastruktura ochrony roślin

Cyfrowe zielniki i AI: nowa infrastruktura ochrony roślin

Botanicy coraz częściej traktują cyfryzację zbiorów i sztuczną inteligencję jak narzędzia pierwszej potrzeby w ochronie roślin i grzybów. Stawka jest wysoka: wiele gatunków może zniknąć, zanim w ogóle zostanie opisanych.

Wyścig z czasem w świecie roślin i grzybów

Rośliny i grzyby są fundamentem ekosystemów: karmią, leczą, wiążą węgiel i stabilizują klimat. Problem w tym, że tempo ich zanikania zaczyna wyprzedzać tempo poznawania. Z dostępnych ocen wynika, że około 40% przebadanych gatunków roślin jest zagrożonych wyginięciem, a jednocześnie setki tysięcy wciąż nie doczekały się nawet podstawowej analizy ryzyka.

Co roku nauka dopisuje do listy mniej więcej 2 tys. nowych gatunków roślin, ale to tylko fragment większej układanki. Szacunki mówią też o dziesiątkach tysięcy roślin, które nadal czekają na formalne nazwanie. W praktyce oznacza to realną możliwość utraty potencjalnych leków czy odpornych upraw, zanim ktokolwiek zdąży je rozpoznać.

Cyfryzacja zbiorów zmienia reguły gry

Przełomem okazuje się masowa digitalizacja zielników i kolekcji mykologicznych. To nie jest „ładne skanowanie” dla archiwum, ale budowa infrastruktury danych: zdjęć wysokiej rozdzielczości, metadanych o miejscu i czasie zbioru oraz opisów, które można przeszukiwać i analizować na skalę globalną.

Jedna z największych instytucji botanicznych na świecie zakończyła cyfryzację 7,4 mln okazów i udostępniła je online. W szczytowym momencie programu powstawało nawet 20 tys. zdjęć dziennie. Równolegle rośnie globalna pula zdigitalizowanych okazów – dziś to około 145 mln – ale nadal stanowi to mniej niż 16% tego, co spoczywa w herbarium na całym świecie. Ta luka to nie detal statystyczny, tylko „ślepe plamy” w rozumieniu bioróżnorodności.

Sztuczna inteligencja jako lupa dla specjalistów

W tym miejscu wchodzi AI: modele uczą się rozpoznawania gatunków na podstawie obrazów i opisów, także tam, gdzie różnice są mikroskopijne. Dla botaniki to szczególnie ważne w grupach trudnych diagnostycznie, jak turzyce czy mchy torfowce, gdzie doświadczenie eksperta bywa wąskim gardłem całego procesu.

Najciekawsze jest to, że w niektórych zadaniach modele potrafią dorównać, a czasem nawet przebić skuteczność specjalistów. Nie oznacza to „zastąpienia” naukowców, raczej przesunięcie ich pracy w stronę weryfikacji, interpretacji i planowania badań. Zyskiem jest czas: szybsze wyłapywanie nowych lub rzadkich okazów i sprawniejsze kierowanie ochrony tam, gdzie ryzyko jest największe.

Fenologia pod presją klimatu, liczona z milionów okazów

Cyfrowe zbiory pozwalają też badać zmiany, których nie da się uchwycić w krótkich projektach terenowych. Przykładem jest fenologia, czyli kalendarz życia roślin: kiedy kwitną, owocują, zrzucają liście. Analiza milionów zdigitalizowanych okazów, wsparta modelem AI wyszkolonym do wykrywania kwiatów, pokazała przesunięcie terminów kwitnienia średnio o 2,5 dnia na dekadę w skali ostatniego stulecia.

To przesunięcie nie jest neutralne. Jeśli roślina „przyspiesza” lub „opóźnia” kwitnienie, a zapylacze i inne zwierzęta nie nadążają z własnym cyklem, pękają relacje budowane przez tysiące lat. Dane z zielników potrafią też ujawnić, jak w konkretnych regionach zanika synchronizacja kwitnienia w obrębie jednego gatunku – a to może uderzać w odnowę lasów i stabilność całych siedlisk.

Grzyby: największa niewiadoma i „genomiczna kopalnia”

Jeszcze bardziej dramatycznie wygląda sytuacja grzybów. Szacuje się, że nawet 90% z około 2 mln gatunków pozostaje nieznanych nauce, a spośród tych opisanych mniej niż 1% doczekał się oceny ryzyka wyginięcia. Tymczasem to właśnie grzyby są źródłem przełomowych substancji – od antybiotyków po leki obniżające cholesterol – i kluczowym elementem obiegu materii w przyrodzie.

Nowe techniki laboratoryjne pozwalają dziś uzyskiwać wysokiej jakości genomy nawet ze starych okazów, sięgających 180 lat. To zmienia archiwa w zasób badawczy o ogromnej wartości: można szukać nowych związków biologicznie czynnych, ale też lepiej przewidywać ryzyko chorób. W ocieplającym się klimacie ma to wymiar praktyczny, bo część patogenów korzysta z dłuższych okresów ciepła i wilgoci, łatwiej rozszerzając zasięg.

Globalne południe i dostęp do wiedzy

Cyfryzacja ma jeszcze jeden, często niedoceniany wymiar: demokratyzację dostępu do danych. Kolekcje z obszarów o najwyższej bioróżnorodności – jak wyspy i regiony tropikalne – bywały historycznie rozproszone i trudno dostępne. Gdy dziesiątki tysięcy okazów z takich miejsc trafiają do sieci, lokalni badacze, studenci i instytucje ochrony przyrody zyskują narzędzie do pracy bez kosztownych podróży i barier administracyjnych.

To jednak nie dzieje się samo. Potrzebne są standardy opisu, tłumaczenie metadanych, uzupełnianie braków i współpraca między instytucjami. W przeciwnym razie cyfrowa rewolucja może utrwalić dawny układ sił: dane będą „globalne”, ale kontrola nad nimi i kompetencje analityczne pozostaną skoncentrowane w kilku ośrodkach.

Koszty ukryte: energia, woda i stronniczość danych

Entuzjazm wobec AI ma też twarde ograniczenia. Modele wymagają mocy obliczeniowej, a centra danych zużywają coraz więcej energii i wody. W debacie publicznej pojawiają się już liczby pokazujące, że w niektórych krajach udział centrów danych w zużyciu prądu stał się zauważalny w skali całej gospodarki. Jeśli narzędzia mają wspierać ochronę przyrody, ich ślad środowiskowy musi być częścią rachunku, a nie przypisem.

Drugie ryzyko to jakość i reprezentatywność danych. AI uczy się na tym, co dostaje: jeśli zbiory są nierównomierne geograficznie, historycznie „kolonialne” lub przeładowane okazami z łatwo dostępnych miejsc, model będzie wzmacniał te nierówności. Dlatego raport przygotowany przez setki naukowców z wielu krajów podkreśla potrzebę inwestycji w kolekcje, ich uzupełnianie oraz partnerstwa między światem technologii, organizacjami środowiskowymi i państwem.

Co dalej: od narzędzi do strategii ochrony

Cyfrowe zielniki i AI nie są magiczną różdżką, ale mogą stać się brakującym łącznikiem między nauką a praktyką ochrony: szybciej identyfikować gatunki, wykrywać trendy klimatyczne, wskazywać obszary priorytetowe i otwierać archiwa dla nowych pokoleń badaczy. Warunek jest prosty: technologia musi iść w parze z inwestycją w ludzi, standardy danych i odpowiedzialne zarządzanie zasobami.

W „wyścigu z wymieraniem” liczy się skala i tempo, a te zapewniają właśnie digitalizacja i algorytmy. Jednocześnie to wyścig, w którym nie wystarczy szybciej biec — trzeba jeszcze biec we właściwym kierunku, z uczciwymi danymi i świadomością kosztów. Jeśli te elementy się zepną, AI może stać się nie tylko narzędziem badawczym, ale realnym wsparciem dla polityk ochrony bioróżnorodności.

Oryginalny tekst: AI could help win ‘race against extinction’ of vital plants, say botanists