Machine learning for detecting colony collapse disorder and colony losses in honeybees (Apis mellifera): a PRISMA 2020 systematic review
تكشف هذه المراجعة المنهجية القائمة على بروتوكول (PRISMA 2020) والتي شملت 58 دراسة أنه في حين يحدد التعلم الآلي بفعالية الأسباب القريبة لفشل مستعمرات نحل العسل، مثل الطفيليات وحالة الملكة باستخدام الأساليب الصوتية والتعلم العميق، فإنه يفتقر حالياً إلى أدلة قوية للتنبؤ المباشر بانهيار مستعمرات النحل، مما يستلزم إجراء أبحاث مستقبلية تركز على التحقق المستقل، ودمج البيانات متعدد الوسائط، ومجموعات البيانات الطولية المفتوحة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تُعد نحل العسل أهم الملقحات في العالم، حيث تنقل حبوب اللقاح بين المحاصيل والنباتات البرية لضمان نمو الغذاء والزهور. ولعقود من الزمن، راقب مربو النحل بقلق متزايد اختفاء أو تضاؤل مستعمرات بأكملاء، وهي ظاهرة كانت تُسمى ذات يوم "انهيار المستعمرة" ويُفهم الآن على أنها مزيج معقد من الضغوط بما في ذلك الطفيليات، والمبيدات الحشرية، والتقلبات المناخية الشديدة. ولأن فحص الخلية يدويًا أمر صعب ومزعج وغالبًا ما يكون متأخرًا جدًا لإنقاذ النحل، فقد لجأ العلماء إلى التكنولوجيا؛ حيث يقومون بتثبيت أجهزة استشعار على الخلايا للاستماع إلى النحل، ووزن الصناديق، ومراقبة التغيرات في درجة الحرارة أو الصوت. والأمل هو أن تتمكن الحواسيب من تعلم التعرف على العلامات الدقيقة لمستعمرة تحتضر قبل وقت طويل من اختفاء النحل، لتعمل كنظام إنذار مبكر.
يجمع مراجعة منهجية حديثة أجراها فريدريك مايكل أوغوري من جامعة دايستار في نيروبي بين ثمانٍ وخمسين دراسة من جميع أنحاء العالم لمعرفة مدى الوفاء بهذا الوعد. فقد جمع الباحث كل ورقة بحثية محكمة نُشرت بين عامي 2015 و2025 استخدمت التعلم الآلي للكشف عن خسائر مستعمرات نحل العسل. ولم يكن الهدف مجرد إحصاء الدراسات، بل فهم ما وجدته بالفعل، وكيف اختبرت أفكارها، وما إذا كانت هذه التكنولوجيا جاهزة لمساعدة مربي النحل الحقيقيين. وتكشف المراجعة عن مجال يتحرك بسرعة، مع تحول كبير نحو التعلم العميق وحوسبة الحافة، ومع ذلك فهي تسلط الض الضوء أيضًا على فجوة كبيرة بين الدرجات العالية المسجلة في المختبرات وواقع التنبؤ بموت المستعمرة.
إن النتيجة الأكثر إثارة للاهتمام هي أن دراسات قليلة جدًا حاولت في الواقع التنبؤ بالانهيار الكامل للمستعمرة. وبدلاً من ذلك، ركزت الغالبية العظمى من الأبحاث على رصد الأسباب المباشرة التي تؤدي إلى الفشل. وكانت الأهداف الأكثر شيوعًا هي الطفيليات، وتحديدًا طفيل "الفاروا"، الذي كان موضوع ست عشرة دراسة. استخدم الباحثون الكاميرات والرؤية الحاسوبية لعدّ الطفيليات على النحل أو على الألواح اللاصقة، حيث حققت بعض الأنظمة دقة عالية في بيئات خاضعة للرقابة. وركزت ثلاث عشرة دراسة أخرى على اكتشاف ما إذا كانت ملكة النحل موجودة، بينما بحثت ثماني دراسات في الأصوات المحددة لعملية التطريد. وكل هذه المشكلات حاسمة، لكنها مقدمات وليست الحدث النهائي لموت المستعمرة. وقد اعتمدت درستان فقط بشكل صريح على نمذجة الانهيار نفسه، وحتى هاتان الدراستان اعتمدتا على بيانات محدودة.
تأتي البيانات المستخدمة لتدريب هذه النماذج الحاسوبية في الغالب من أوروبا، مع مساهمات كبيرة من جمهورية التشيك والمملكة المتحدة وإسبانيا. والطريقة الأكثر شعبية لجمع المعلومات هي الاستماع إلى الخلية؛ حيث استخدمت سبع وعشرون دراسة تسجيلات صوتية، وتحليل طنين وأزيز النحل لتحديد مشكلات مثل فقدان الملكة أو التطريد الوشيك. وفي العديد من هذه الدراسات الصوتية، سجلت الحواسيب معدلات دقة تقترب من 95% أو حتى 99%. ومع ذلك، تشير المراجعة إلى أن هذه الأرقام غالبًا ما تكون مضللة. فقد اختبرت معظم الدراسات نماذجها على بيانات من نفس الخلا معدة قليلًا استُخدمت في التدريب؛ وهذا يشبه اختبار طالب في نفس الأسئلة التي تدرب عليها بالضبط؛ فهو لا يثبت قدرته على الإجابة على أسئلة جديدة. وعندما اختبر الباحثون نماذجهم على خلايا مختلفة تمامًا، انخفض الأداء بشكل ملحوظ، حيث وصل غالبًا إلى حوالي 65% إلى 75% للتنبؤ بفقدان المستعمرة الفعلي.
تفاوتت جودة الأبحاث بشكل كبير. وقد صنف المراجع الدراسات بناءً على قائمة مراجعة مكونة من ثمان نقاط، ووجد أن ثماني عشرة دراسة فقط كانت عالية الجودة. افتقرت العديد من الدراسات إلى التفاصيل الحاسمة، مثل الاختبار على خلايا مستقلة أو مشاركة بياناتها وأكوادها ليتمكن الآخرون من التحقق منها. وبينما نجح بعض الباحثين في بناء أجهزة صغيرة منخفضة الطاقة يمكنها الاستماع إلى النحل واتخاذ القرارات مباشرة عند الخلية دون الحاجة إلى الإنترنت، إلا أن هذه الأنظمة لم تُختبر بعد في تجارب ميدانية طويلة الأمد مع مربي النحل الحقيقيين. ولا يوجد دليل بعد على أن هذه الإنذارات تقلل من عدد المستعمرات الميتة أو أنها تعمل عبر مختلف المناخات وسلالات النحل.
في النهاية، تخلص المراجعة إلى أنه بينما يعد التعلم الآلي ممتازًا في تحديد الأعراض المباشرة لخلية تعاني، مثل فقدان الملكة أو الإصابة الشديدة بـ"الفاروا"، فإنه ليس بعد بلورة سحرية موثوقة للتنبؤ بالفشل الكامل للمستعمرة. لقد انتقلت التكنولوجيا من النظرية إلى أدوات عملية مثل تطبيقات الهواتف الذكية لعدّ الطفيليات وأجهزة الحافة للاستماع إلى النحل، لكن القفزة نحو نظام إنذار مبكر قوي للانهيار لا تزال غير مكتملة. وللوصول إلى ذلك، يحتاج المجتمع العلمي إلى تجاوز تجارب الخلية الواحدة وبناء مجموعات بيانات كبيرة ومشتركة تتبع المستعمرات بمرور الوقت مع نتائج مؤكدة. عندها فقط يمكن الوثوق بهذه الأدوات الرقمية لإنقاذ النحل قبل فوات الأوان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.