When AI encounters natural history: Morphological OTUs reshape our understanding of Earth's life

لفهم العالم الحي، يجب على العلماء أولاً الاتفاق على ما ينظرون إليه. لقرون مضت، كان هذا يعني تصنيف كل ورقة شجر، وخنفساء، وزهرة إلى نوع مسمى، وهي مهمة تعتمد على خبراء يمكنهم تمييز الاختلافات الدقيقة في الشكل والبنية. يعمل هذا النظام بشكل جيد عندما تكون العينات نادرة ومدروسة جيداً، لكنه ينهار عند مواجهة الحجم الهائل للحياة الموجودة في مسح ميداني واحد، حيث لا يمكن تحديد معظم الأفراد باسم محدد. ولمواجهة ذلك، لجأ الباحثون غالباً إلى الطرق الجزيئية، بتجميع الكائنات الحية وفقاً لشفراتها الجينية إلى وحدات تنوب عن الأنواع. ومع ذلك، تتطلب هذه النهج الجينية جمع عينات من الأنسجة وإجراء اختبارات مخبرية معقدة، وهو أمر ليس ممكناً دائماً. وفي الوقت نفسه، عانت عملية التحديد البصري البسيطة لأنها تعتمد عادةً على معرفة أسماء الأنواع مسبقاً لتدريب الحاسوب. ويظل التحدي قائماً: كيف يمكننا تنظيم وعدّ تنوع الحياة باستخدام الصور التي نلتقطها فقط، دون الحاجة إلى قائمة مسبقة من الأسماء أو مختبر مليء بالمعدات؟

تقدم دراسة جديدة طريقاً للمضي قدماً عبر تعليم الحواسيب رؤية العالم كما يراه عالم الطبيعة، ولكن بنطاق أوسع بكثير. فقد طور الباحثون نظاماً يسمى morphOTU، يقوم بإنشاء مجموعات من الكائنات الحية بناءً بالكامل على مظهرها الفيزيائي. فبدلاً من مطالبة الحاسوب بحفظ قائمة من الأنواع المعروفة، يتعلم النظام التعرف على الأنماط في أشكال ونسيج وبنى الكائنات نفسها. إنه ينظم آلاف الصور في مساحة مستمرة حيث تتجمع الأشياء المتشابهة معاً، لتشكل ما يسميه المؤلفون "الوحدات التشغيلية". وتعمل هذه الوحدات كطبقة عملية لعد التنوع البيولوجي، مما يسمح للعلماء بقياس تنوع الحياة في منطقة ما حتى عندما لا يعرفون الأسماء الرسمية للكائنات التي يدرسونها.

اختبر الفريق هذا النهج على خمس مجموعات مختلفة من البيانات، تتراوح من صور الزهور وتشريح الخشب إلى أجسام الخنافس. وفي كل حالة، نجح النظام في تجميع الصور بطريقة تتوافق مع بنية الأنواع الحقيقية. وعندما قارن الباحثون تعدادات التنوع الناتجة عن الحاسوب بتلك التي وضعها الخبراء البشريون، كانت الأرقام متقاربة بشكل ملحوظ. لقد عمل النظام حتى عندما تم تدريبه دون أي أسماء أنواع مصنفة، وظل دقيقاً حتى عندما قدم الباحثون أمثلة قليلة جداً من حيوانات محددة للتعلم منها. وهذا يشير إلى أن الأنماط البصرية التي وجدها الحاسوب لم تكن مجرد ضوضاء عشوائية، بل كانت انعكاسات حقيقية للواقع البيولوجي.

ولرؤية مدى صمود هذا النهج في سيناريو من الواقع العملي، طبق الباحثون الطريقة على مسح ميداني ضخم يحتوي على 4,717 حشرة تمثل 269 نوعاً مختلفاً عبر 1الـ 12 رتبة متميزة. وفي هذا المزيج المعقد، تم ضبط النظام بدقة باستخدام صور من 28 نوعاً شائعاً فقط. وبالرغم من هذا التدريب المحدود، كانت تقديرات التنوع الناتجة مطابقة تقريباً لتلك التي أنتجتها التصنيفات البشرية الخبيرة. فقد حسب الحاسوب درجة تنوع بلغت 3.75، بينما حسبها الخبارون 3.53، وهو فرق ضئيل للغاية يشير إلى أن الآلة قد استوعبت بفعالية التنوع الحقيقي للمجتمع الحيوي. لم يكتفِ النظام بإنتاج رقم فحسب؛ بل أظهر أيضاً للباحثين بالضبط أين تكمن الاختلافات. فقد استطاع الإشارة إلى سمات محددة، مثل تناظر الزهرة، أو ملمس قشرة الخنفساء، أو ترتيب الأوعية في قطعة من الخشب، مما أثبت أن المجموعات التي شكلها كانت قائمة على سمات ذات معنى بيولوجي.

يبرهن هذا العمل على أنه يمكننا بناء إطار موثوق لفهم التنوع البيولوجي مباشرة من الأشكال الفيزيائية للكائنات، دون انتظار تخصيص أسماء رسمية لها. ومن خلال تنظيم الحياة في هذه المجموعات البصرية، يكتسب العلماء أداة قوية لقياس ثراء النظم البيئية في الميدان، جنباً إلى جنب مع الطرق التقليدية، أو في الحالات التي لا تتوفر فيها أسماء الأنواع ببساطة. وتظهر النتائج أن العالم المرئي يحمل معلومات كافية لفرز الحياة إلى وحدات متماسكة، مما يقدم طريقة جديدة لرؤية وعدّ العالم الطبيعي قبل، أو جنباً إلى جنب مع، أو في غياب اسم رسمي للنوع.