Los modelos desarrollados por el Centro de Investigaciones sobre Desertificación y el Instituto de Física Corpuscular permitirán predecir las consecuencias de la pérdida de unas especies para la supervivencia de otras.
El trabajo supone un novedoso avance en la metodología empleada hasta ahora en este tipo de estudios.
Un artículo publicado recientemente en la revista Methods in Ecology and Evolution presenta la aplicación, por primera vez, de la Inteligencia Artificial Generativa en la predicción de los patrones de coexistencia de plantas. En este trabajo participan el Centro de Investigaciones sobre Desertificación (CIDE), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC), la Universitat de València y la Generalitat Valenciana, y el Instituto de Física Corpuscular (IFIC), centro mixto del CSIC y la Universitat de València. Los modelos desarrollados arrojan predicciones correctas sobre ecosistemas semiáridos como los presentes en la Comunitat Valenciana.
Las especies de la Tierra están interconectadas entre sí. Cada planta, animal o bacteria vive en conexión con otras especies, de manera que en una comunidad pueden coexistir hasta miles de especies que interactúan directa e indirectamente. Ante la pérdida de biodiversidad actual, resulta clave conocer la dinámica de estas interacciones y los patrones de relación entre distintas especies en un ecosistema, las llamadas ‘redes ecológicas’.
En este campo, investigadores del CIDE han unido fuerzas con los del IFIC para realizar un estudio que contribuye a la predicción de estos patrones a través del uso de técnicas de computación en Inteligencia Artificial denominadas de Aprendizaje Automático (Machine Learning). El Aprendizaje Automático puede contribuir a desentrañar esta multitud de interconexiones de las redes ecológicas gracias a su gran capacidad para detectar patrones más allá de las estadísticas tradicionales.
Miguel Verdú, investigador del CSIC en el CIDE, explica que “en este estudio exploramos el uso de un conjunto de técnicas de Aprendizaje Automático de vanguardia llamadas Inteligencia Artificial Generativa para predecir patrones de coexistencia de especies que podrían usarse para desentrañar los mecanismos que subyacen al ensamblaje de la comunidad”.
Por su parte, Verónica Sanz, ‘Investigadora Distinguida Beatriz Galindo’ de la Universitat de València en el IFIC, señala que “la capacidad del aprendizaje no supervisado es fascinante. Al ser entrenados con las observaciones realizadas por el CIDE, nuestros algoritmos aprendieron relaciones muy complejas. Por ejemplo, el hecho de que existan especies que cooperan y facilitan la repoblación, pero que se transforman en competidoras al presentarse ciertas especies nuevas”.
Una realidad compleja
El estudio se centra en ecosistemas semiáridos que abundan en España y en la Comunitat Valenciana, que presentan como particularidad una estructura de la vegetación en forma de parches. Generalmente, estos parches se inician a partir de especies pioneras bien adaptadas a las exigentes condiciones ambientales, que se establecen en primer lugar y facilitan la colonización por otras especies menos resistentes a dichas condiciones.
En este estudio se analizaron 5.153 parches de vegetación en suelos de yeso y caliza, que contenían entre 2 y 17 especies por parche. Los resultados permitieron obtener predicciones correctas sobre la abundancia relativa de parches con diferente composición de especies, la afinidad de las especies vegetales con el suelo y el papel de las interacciones indirectas de tercer y cuarto orden en la coexistencia de pares de especies. En este último caso se observó que los efectos positivos de una especie sobre otra tendían a reducirse en presencia de una tercera o cuarta especie.
La capacidad mostrada por el modelo para ‘aprender’ los patrones de coexistencia de las especies permite generar predicciones realistas sobre patrones complejos que serían difíciles de detectar en el campo. Por todo ello, “estos modelos nos ofrecen una valiosa oportunidad para comprender mejor las reglas que gobiernan cómo se conectan las distintas especies de las comunidades en ecosistemas naturales, y contribuyen a mejorar la predicción de las consecuencias que tiene la pérdida de especies relacionadas entre sí”, concluye Miguel Verdú.
Referencia:
Hirn, J., García, J.E, Montesinos-Navarro, A., Sánchez-Martín, R., Sanz, V. & Verdú, M. 2022. A Deep Generative Artificial Intelligence system to predict species coexistence patterns. Methods in Ecology and Evolution.
https://doi.org/10.1111/2041-210X.13827
