Machine learning for detecting colony collapse disorder and colony losses in honeybees (Apis mellifera): a PRISMA 2020 systematic review
58 अध्ययनों के इस PRISMA 2020 व्यवस्थित समीक्षा से पता चलता है कि जहाँ मशीन लर्निंग ध्वनिक और डीप लर्निंग विधियों का उपयोग करके परजीवी और रानी की स्थिति जैसे मधुमक्खी कॉलोनी विफलता के निकटवर्ती कारणों की प्रभावी ढंग से पहचान करती है, वहीं इसमें वर्तमान में कॉलोनी कोलैप्स डिसऑर्डर (CCD) की सीधे भविष्यवाणी करने के लिए मजबूत साक्ष्य की कमी है, जिसके लिए स्वतंत्र सत्यापन, बहुआयामी डेटा संलयन और खुले अनुदैर्ध्य डेटासेट पर केंद्रित भविष्य के अनुसंधान की आवश्यकता है।
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
मधुमक्खियां दुनिया के सबसे महत्वपूर्ण परागणकर्ता हैं, जो फसलों और जंगली पौधों के बीच पराग का संचार करती हैं ताकि भोजन और फूलों का विकास सुनिश्चित हो सके। दशकों से, मधुमक्खी पालक बढ़ती हुई चिंता के साथ देख रहे हैं कि कैसे पूरी कॉलोनियां गायब हो रही हैं या घट रही हैं, एक ऐसी घटना जिसे कभी 'कोलोनी कोलैप्स डिसऑर्डर' कहा जाता था और अब इसे परजीवियों, कीटनाशकों और जलवायु चरम सीमाओं जैसे तनावों के एक जटिल मिश्रण के रूप में समझा जाता है। चूंकि छत्ते की जांच हाथ से करना कठिन, विघटनकारी और अक्सर मधुमक्खियों को बचाने के लिए बहुत देर हो जाने वाला काम है, इसलिए वैज्ञानिकों ने तकनीक की ओर रुख किया है। वे मधुमक्खियों को सुनने के लिए, बक्सों को तौलने के लिए और तापमान या ध्वनि में बदलाव देखने के लिए छत्तों से सेंसर जोड़ते हैं। उम्मीद यह है कि कंप्यूटर मधुमक्खियों के गायब होने से बहुत पहले ही मरती हुई कॉलोनी के सूक्ष्म संकेतों को पहचानना सीख सकते हैं, और एक प्रारंभिक चेतावनी प्रणाली के रूप में कार्य कर सकते हैं।
डेस्टार यूनिवर्सिटी, नैरोबी के फ्रेडरिक माइकल ओगोर द्वारा किया गया एक हालिया व्यवस्थित समीक्षा (सिस्टमैटिक रिव्यू) यह देखने के लिए दुनिया भर के अट्ठावन अध्ययनों को एक साथ लाता है कि इस वादे को कितनी अच्छी तरह निभाया जा रहा है। शोधकर्ता ने मशीन लर्निंग का उपयोग करके मधुमक्खी कॉलोनी के नुकसान का पता लगाने के लिए 2015 से 2025 के बीच प्रकाशित प्रत्येक सहकर्मी-समीक्षित (पीयर-रिव्यूड) पेपर को एकत्र किया। लक्ष्य केवल अध्येशनों को गिनना नहीं था, बल्कि यह समझना भी था कि उन्होंने वास्तव में क्या पाया, उन्होंने अपने विचारों का परीक्षण कैसे किया, और क्या यह तकनीक वास्तविक मधुमक्खी पालकों की मदद करने के लिए तैयार है। यह समीक्षा एक ऐसे क्षेत्र को प्रकट करती है जो तेजी से आगे बढ़ रहा है, जिसमें 'डीप लर्निंग' और 'एज कंप्यूटिंग' की ओर भारी झुकाव है, फिर भी यह प्रयोगशालाओं में रिपोर्ट किए गए उच्च अंकों और एक कॉलोनी की मृत्यु की भविष्यवाणी करने की वास्तविकता के बीच एक महत्वपूर्ण अंतर को उजागर करता है।
सबसे चौंकाने वाला निष्कर्ष यह है कि बहुत कम अध्ययनों ने वास्तव में एक कॉलोनी के पूर्ण पतन (कोलैप्स) की भविष्यवाणी करने की कोशिश की। इसके बजाय, अधिकांश शोध विफलता की ओर ले जाने वाले तत्काल कारणों का पता लगाने पर केंद्रित थे। सबसे आम लक्ष्य परजीवी थे, विशेष रूप से 'वरोआ माइट' (Varroa mite), जो सोलह अध्ययनों का विषय था। शोधकर्ताओं ने मधुमक्खियों या चिपचिपे बोर्डों पर माइट्स की गिनती करने के लिए कैमरों और कंप्यूटर विजन का उपयोग किया, जिसमें कुछ प्रणालियों ने नियंत्रित सेटिंग्स में उच्च सटीकता प्राप्त की। अन्य तेरह अध्ययनों ने यह पता लगाने पर ध्यान केंद्रित किया कि रानी मधु मक्खी मौजूद है या नहीं, जबकि आठ अध्ययनों ने झुंड बनाने (स्वार्मिंग) की विशिष्ट आवाजों की खोज की। ये सभी महत्वपूर्ण समस्याएं हैं, लेकिन ये अंतिम घटना के बजाय पूर्ववर्ती संकेत हैं। केवल दो अध्ययनों ने स्पष्ट रूप से पतन (कोलैप्स) का ही मॉडल बनाया, और वे भी सीमित डेटा पर निर्भर थे।
इन कंप्यूटर मॉडलों को प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटा मुख्य रूप से यूरोप से आता है, जिसमें चेक गणराज्य, यूनाइटेड किंगडम और स्पेन का महत्वपूर्ण योगदान है। सूचना एकत्र करने की सबसे लोकप्रिय विधि मधुमक्खी के छत्ते को सुनना है। सत्ताईस अध्ययनों ने ऑडियो रिकॉर्डिंग का उपयोग किया, जिसमें मधुमक्खियों की भिनभिनाहट और गूंज का विश्लेषण करके रानी के गायब होने या मंडली के बंटने (स्वार्मिंग) जैसी समस्याओं की पहचान की गई। इनमें से कई ध्वनिक (एकॉस्टिक) अध्ययनों में, कंप्यूटरों ने 95% या यहाँ तक कि 99% के करीब सटीकता दर दर्ज की। हालांकि, समीक्षा सुझाव देती है कि ये संख्याएं अक्सर भ्रामक होती हैं। अधिकांश अध्ययनों ने अपने मॉडलों का परीक्षण उन्हीं कुछ छत्तों के डेटा पर किया जिनका उपयोग प्रशिक्षण के लिए किया गया था। यह एक छात्र का केवल उन्हीं सटीक प्रश्नों पर परीक्षण करने जैसा है जिनका उसने अभ्यास किया था; यह यह साबित नहीं करता कि वह नए प्रश्नों के उत्तर दे सकता है। जब शोधकर्ताओं ने अपने मॉडलों का परीक्षण पूरी तरह से अलग छत्तों पर किया, तो प्रदर्शन काफी गिर गया, जो वास्तविक कॉलोनी हानि की भविष्यवाणी करने के लिए अक्सर 65% से 75% के आसपास रहा।
अनुसंधान की गुणवत्ता व्यापक रूप से भिन्न थी। समीक्षक ने आठ-बिंदु वाली चेकलिस्ट के आधार पर अध्ययनों को रेट किया, जिसमें पाया गया कि केवल अठारह ही उच्च गुणवत्ता के थे। कई अध्ययनों में महत्वपूर्ण विवरणों की कमी थी, जैसे स्वतंत्र छत्तों पर परीक्षण करना या दूसरों द्वारा सत्यापन के लिए अपना डेटा और कोड साझा करना। हालांकि कुछ शोधकर्ताओं ने सफलतापूर्वक छोटे, कम शक्ति वाले उपकरण बनाए हैं जो मधुमक्खियों को सुन सकते हैं और इंटरनेट की आवश्यकता के बिना सीधे छत्ते पर निर्णय ले सकते हैं, लेकिन इन प्रणालियों का अभी तक वास्तविक मधुमखी पालकों के साथ दीर्घकालिक फील्ड ट्रायल में परीक्षण नहीं किया गया है। अभी तक इस बात का कोई प्रमाण नहीं है कि ये अलार्म मृत कॉलोनियों की संख्या को कम करते हैं या क्या वे विभिन्न जलवायु और मधुमक्खी की उप-प्रजातियों में काम करते हैं।
अंततः, समीक्षा निष्कर्ष निकालती है कि जबकि मशीन लर्निंग संघर्ष करती हुई कॉलोनी के तत्काल लक्षणों, जैसे कि रानी का गायब होना या माइट का भारी संक्रमण, की पहचान करने में उत्कृष्ट है, लेकिन यह पूर्ण कॉलोनी विफलता की भविष्यवाणी करने के लिए अभी तक एक विश्वसनीय 'क्रिस्टल बॉल' (भविद्यक यंत्र) नहीं है। तकनीक सिद्धांत से व्यावहारिक उपकरणों जैसे कि माइट गिनने के लिए स्मार्टफोन ऐप्स और मधुमक्खियों को सुनने के लिए एज उपकरणों तक पहुंच गई है, लेकिन पतन के लिए एक मजबूत प्रारंभिक चेतावनी प्रणाली बनने की छलांग अभी भी अधूरी है। वहां तक पहुँचने के लिए, वैज्ञानिक समुदाय को एकल-छत्ता प्रयोगों से आगे बढ़ने और बड़े, साझा डेटासेट बनाने की आवश्यकता है जो पुष्ट परिणामों के साथ समय के साथ कॉलोनियों को ट्रैक करते हों। तभी इन डिजिटल उपकरणों पर मधुमक्खियों को बहुत देर होने से पहले बचाने के लिए भरोसा किया जा सकेगा।
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।