When AI encounters natural history: Morphological OTUs reshape our understanding of Earth's life
यह शोधपत्र morphOTU को प्रस्तुत करता है, जो एक एआई-संचालित ढांचा है जो स्व-पर्यवेक्षित शिक्षण (self-supervised learning) और पदानुक्रमित क्लस्टरिंग (hierarchical clustering) का उपयोग करके सीधे नमूनों के चित्रों से परिचालन जैव विविधता इकाइयों (operational biodiversity units) को प्राप्त करता है, जिससे औपचारिक वर्गीकरण लेबल या व्यापक प्रशिक्षण डेटा की अनुपस्थिति में भी प्रजातियों की विविधता के सटीक परिमाणीकरण और रूपात्मक पैटर्न की खोज को सक्षम बनाया जा सके।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
जीवंत दुनिया को समझने के लिए, वैज्ञानिकों को सबसे पहले इस बात पर सहमत होना होगा कि वे वास्तव में क्या देख रहे हैं। सदियों से, इसका अर्थ रहा है हर पत्ती, भृंग (बीटल) और फूल को एक नामित प्रजाति में वर्गीकृत करना, जो एक ऐसा कार्य है जो उन विशेषज्ञों पर निर्भर करता है जो आकार और संरचना में सूक्ष्म अंतरों को पहचान सकें। यह प्रणाली तब अच्छी तरह काम करती है जब नमूने दुर्लभ और अच्छी तरह से अध्ययन किए गए हों, लेकिन जब एक ही क्षेत्र सर्वेक्षण में पाए जाने वाले जीवन की विशाल मात्रा का सामना करना पड़ता है, तो यह विफल हो जाती है, जहाँ अधिकांश व्यक्तियों को किसी विशिष्ट नाम तक पहचाना नहीं जा सकता। इससे निपटने के लिए, शोधकर्ताओं ने अक्सर आणविक विधियों का सहारा लिया है, जिसमें जीवों को उनके आनुवंशिक कोड के आधार पर ऐसी इकाइयों में समूहीकृत किया जाता है जो प्रजातियों का प्रतिनिधित्व करती हैं। हालाँकि, इन आनुवंशिक दृष्टिकोणों के लिए ऊतक (टिश्यू) के नमूनों को एकत्र करने और जटिल प्रयोगशाला परीक्षण चलाने की आवश्यकता होती है, जो हमेशा संभव नहीं होता। इस बीच, सरल दृश्य पहचान संघर्ष करती रही है क्योंकि यह आमतौर पर कंप्यूटर को प्रशिक्षित करने के लिए पहले से ज्ञात प्रजातियों के नामों पर निर्भर करती है। चुनौती बनी हुई है: हम केवल उन चित्रों का उपयोग करके जीवन की विविधता को कैसे व्यवस्थित और गिन सकते हैं जिन्हें हम लेते हैं, बिना किसी पूर्व-मौजूद नामों की सूची या उपकरणों से भरी प्रयोगशाला की आवश्यकता के?
एक नया अध्ययन एक मार्ग प्रशस्त करता है, जो कंप्यूटर को दुनिया को उसी तरह देखने के लिए प्रशिक्षित करता है जैसे एक प्रकृतिवादी देखता है, लेकिन बहुत व्यापक दायरे के साथ। शोधकर्ताओं ने morphOTU नामक एक प्रणाली विकसित की है, जो पूरी तरह से जीवों की भौतिक उपस्थिति के आधार पर समूहों का निर्माण करती है। कंप्यूटर को ज्ञात प्रजातियों की सूची याद करने के लिए कहने के बजाय, यह प्रणाली जीवों के आकार, बनावट और संरचनाओं में पैटर्न पहचानना सीखती है। यह हजारों छवियों को एक निरंतर स्थान (कंटीन्यूअस स्पेस) में व्यवस्थित करती है जहाँ समान दिखने वाली चीजें एक साथ समूह बनाती हैं, जिससे एक ऐसी इकाई बनती है जिसे लेखक 'ऑपरेशनल यूनिट्स' कहते हैं। ये इकाइयाँ जैव विविधता को गिनने के लिए एक व्यावहारिक परत के रूप में कार्य करती हैं, जिससे वैज्ञानिक उस क्षेत्र में जीवन की विविधता को मापने में सक्षम होते हैं, भले ही उन्हें अध्ययन किए जा रहे जीवों के औपचारिक नाम न पता हों।
टीम ने फूलों और लकड़ी की शारीरिक रचना से लेकर भृंगों के शरीर तक, पांच अलग-अलग डेटा सेटों पर इस दृष्टिकोण का परीक्षण किया। प्रत्येक मामले में, प्रणाली ने छवियों को इस तरह से समूहीकृत किया जो वास्तविक प्रजातियों की संरचना से मेल खाता था। जब शोधकर्ताओं ने कंप्यूटर द्वारा उत्पन्न विविधता गणनाओं की तुलना मानव विशेषज्ञों द्वारा की गई गणनाओं से की, तो संख्याएँ उल्लेखनीय रूप से करीब थीं। प्रणाली तब भी सफल रही जब इसे बिना किसी लेबल वाली प्रजाति के नाम के प्रशिक्षित किया गया था, और यह तब भी सटीक रही जब शोधकर्ताओं ने विशिष्ट जानवरों के सीखने के लिए बहुत कम उदाहरण प्रदान किए। यह सुझाव देता है कि कंप्यूटर द्वारा खोजे गए दृश्य पैटर्न केवल यादृच्छिक शोर नहीं थे, बल्कि जैविक वास्तविकता के वास्तविक प्रतिबिंब थे।
यह देखने के लिए कि वास्तविक दुनिया के परिदृश्य में यह कैसे टिकेगा, शोधकर्ताओं ने इस पद्धति को 12 विशिष्ट ऑर्डर्स (वर्गों) में 269 विभिन्न प्रजातियों का प्रतिनिधित्व करने वाले 4,717 कीटों के एक विशाल क्षेत्र सर्वेक्षण पर लागू किया। इस जटिल मिश्रण में, प्रणाली को केवल 28 सामान्य प्रजातियों की छवियों का उपयोग करके सूक्ष्म रूप से अनुकूलित (फाइन-ट्यून) किया गया था। इस सीमित प्रशिक्षण के बावजूद, प्राप्त विविधता अनुमान विशेषज्ञ मानव लेबल द्वारा उत्पादित परिणामों के लगभग समान थे। कंप्यूटर ने 3.75 का विविधता स्कोर निकाला, जबकि विशेषज्ञों ने 3.53 की गणना की, जो इतना छोटा अंतर है कि यह दर्शाता है कि मशीन ने प्रभावी रूप से समुदाय की वास्तविक विविधता को पकड़ लिया था। प्रणाली ने केवल एक संख्या ही नहीं दी; इसने शोधकर्ताओं को यह भी दिखाया कि अंतर कहाँ थे। यह विशिष्ट विशेषताओं की ओर संकेत कर सका, जैसे कि एक फूल की समरूपता (सिमेट्री), एक भृंग के खोल की बनावट, या लकड़ी के टुकड़े में वाहिकाओं (वेसल्स) की व्यवस्था, जिससे यह सिद्ध हुआ कि इसके द्वारा बनाए गए समूह जैविक रूप से सार्थक गुणों पर आधारित थे।
यह कार्य यह प्रदर्शित करता है कि हम जीवों के भौतिक रूपों से सीधे जैव विविधता को समझने के लिए एक विश्वसनीय ढांचा बना सकते हैं, बिना औपचारिक नाम दिए जाने की प्रतीक्षा किए। जीवन को इन दृश्य समूहों में व्यवस्थित करके, वैज्ञानिक पारंपरिक विधियों के साथ, या उन स्थितियों में जहाँ प्रजातियों के नाम उपलब्ध नहीं हैं, पारिस्थितिक तंत्र की समृद्धि को मापने के लिए एक शक्तिशाली उपकरण प्राप्त करते हैं। निष्कर्ष बताते हैं कि दृश्य जगत में जीवन को सुसंगत इकाइयों में वर्गीकृत करने के लिए पर्याप्त जानकारी निहित है, जो औपचारिक प्रजाति नाम के साथ, उसके साथ, या उसकी अनुपस्थिति में प्राकृतिक दुनिया को देखने और गिनने का एक नया तरीका प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।