赫尔辛基大学 信用:Pixabay/CC0公共域 在生态学中,数百万物种以数十亿种不同的方式在它们之间以及与它们的环境之间相互作用
生态系统通常看起来很混乱,或者至少对于试图理解它们并对未来做出预测的人来说是压倒性的
人工智能和机器学习能够以类似人类推理的方式检测模式并预测结果
它们为人类和计算机之间日益强大的合作铺平了道路
在人工智能中,进化计算方法在某种意义上复制了自然界中物种的进化过程
一种叫做符号回归的特殊方法允许解释自然规律的人类可解释公式的进化
“我们使用符号回归来证明计算机能够推导出代表生态系统或物种在空间和时间中行为方式的公式
这些公式也很容易理解
赫尔辛基大学芬兰自然历史博物馆馆长佩德罗·卡多佐说:“它们为生态学的一般规则铺平了道路,而这是大多数人工智能方法无法做到的。”
在符号回归方法的帮助下,来自芬兰、葡萄牙和法国的跨学科团队能够解释为什么一些物种存在于一些地区而不存在于其他地区,以及为什么一些地区的物种比其他地区多
例如,研究人员能够找到一个新的通用模型来解释为什么一些岛屿的物种比其他岛屿多
海洋岛屿有一个自然的生命周期,从火山中出现,并在数百万年后最终被侵蚀淹没
在没有人工输入的情况下,该算法能够发现岛屿的物种数量随着岛屿年龄而增加,并且在侵蚀仍然较低时达到峰值
“解释是众所周知的,一些公式已经存在,但我们能够找到在某些情况下优于现有公式的新公式,”瓦斯科·布兰科博士说
D
赫尔辛基大学研究灭绝风险评估自动化的学生
这项研究提出,可解释的人工智能是一个探索和促进人类和机器之间合作的领域,只是现在才开始触及表面
里斯本大学的计算机科学教授路易斯·科雷亚说:“纯粹从数据中演化出自由形式的方程,通常没有事先的人类推理或假设,这可能是像生态学这样复杂的学科中非常强大的工具。”
来源:由phyica.com整理转载自PH,转载请保留出处和链接!