AI आणि डिजिटायझेशन वनस्पतिशास्त्र बदलत आहेत
कृत्रिम बुद्धिमत्ता आणि मोठ्या प्रमाणातील डिजिटायझेशन ही वाढत्या शर्यतीत निर्णायक साधने ठरू शकतात, ज्यात वनस्पती नष्ट होण्यापूर्वी त्यांची ओळख पटवणे आणि त्यांचे संरक्षण करणे अपेक्षित आहे, असा युक्तिवाद वनस्पतिशास्त्रज्ञ करत आहेत. रॉयल बॉटॅनिक गार्डन्स, केवचा नवा अहवाल हा बदल दूरची शक्यता म्हणून नव्हे, तर संशोधक काम कसे करतात यावर आधीच परिणाम करणारा प्रत्यक्ष बदल म्हणून मांडतो.
मूळ समस्या गंभीर आहे. वनस्पती आणि बुरशी अन्नव्यवस्था, औषधे, हवामान नियमन आणि कार्बन साठवण यांना आधार देतात, तरीही उपलब्ध चित्र अपूर्ण आहे आणि धोके वाढत आहेत. अहवालानुसार, आतापर्यंत मूल्यांकन केलेल्या 70,000 वनस्पती प्रजातींपैकी सुमारे 40% प्रजाती नामशेष होण्याच्या धोक्यात आहेत. त्याच वेळी, आणखी 3,30,000 वनस्पती प्रजातींचे अद्याप विश्लेषण व्हायचे आहे, आणि सुमारे 1,00,000 आणखी प्रजातींना अजून औपचारिक नाव देण्यात आलेले नाही, असे शास्त्रज्ञ मानतात.
जैवविविधतेचा व्यापक आवाका आणि पारंपरिक वर्गीकरणशास्त्राचा मंद वेग यांच्यातील हे अंतरच AI ला आकर्षक बनवते. कठीण प्रजाती ओळखण्यासाठी संशोधकांना अधिक जलद मदत करता येईल, विशेषतः ज्या गटांमध्ये वेगळे ओळखणारे गुण सूक्ष्म असतात आणि मोठ्या प्रमाणावर मोजणे कठीण असते, असे केवचे वैज्ञानिक म्हणतात. चांगली ओळख ही संरक्षणाची पहिली पायरी आहे, मग उद्दिष्ट अधिवास संरक्षण असो, बीज बँकिंग असो, किंवा अद्याप अभ्यास न झालेल्या पिके आणि औषधांचा शोध असो, म्हणून हे महत्त्वाचे आहे.
आता वेग का महत्त्वाचा आहे
केवच्या मते, दरवर्षी सुमारे 2,000 नवीन वनस्पती प्रजाती नोंदवल्या जातात. वाढत्या हवामान आणि भूमी-उपयोगाच्या दबावाखाली शेकडो हजारो ज्ञात आणि अज्ञात प्रजातींचे दस्तऐवजीकरण करण्याचा प्रयत्न करणाऱ्या क्षेत्रासाठी हा वेग अपुरा आहे. तज्ज्ञ मनुष्यबळात रेषीय वाढ होण्याची वाट न पाहता वैज्ञानिक व्याप्ती वाढवण्याचा एक मार्ग म्हणून हा अहवाल AIकडे पाहतो.
मशीन लर्निंगइतकेच डिजिटायझेशनही महत्त्वाचे आहे, असा केवच्या वैज्ञानिक नेतृत्वाचा युक्तिवाद आहे. एकेकाळी फक्त संग्रहालयांमध्ये उपलब्ध असलेले लाखो नमुने आता डिजिटल नोंदींमध्ये रूपांतरित करून ऑनलाइन उपलब्ध करून दिले जात आहेत. त्यामुळे संशोधकांसाठी प्रवेश विस्तारतो, आणि विशेषतः परदेशात असलेल्या भौतिक संग्रहांपर्यंत मर्यादित प्रवेश असलेल्या ग्लोबल साऊथमधील शास्त्रज्ञांसाठी नवीन निष्कर्ष मिळवणे सोपे होते.
डिजिटाइज्ड संग्रहांमुळे संस्थांमध्ये, काळांमध्ये आणि प्रदेशांमध्ये नमुन्यांची तुलना करणेही सोपे होते. त्यामुळे फुलण्याच्या काळातील बदल, वितरणातील स्थलांतर, आणि प्रजातींमधील दुर्लक्षित संबंध उघड होऊ शकतात. जगभरात फुलण्याच्या वेळा काही आठवड्यांनी कशा बदलल्या आहेत हे शोधण्यासाठी शास्त्रज्ञ आधीच ही साधने वापरत आहेत, असे अहवाल दाखवतो.
जुने नमुने, नवा डेटा
अहवालातील अधिक लक्षवेधी दाव्यांपैकी एक म्हणजे, 180 वर्षांपूर्वी गोळा केलेल्या बुरशी नमुन्यांमधून आता संशोधक मौल्यवान जनुकीय माहिती काढू शकतात. यामुळे जैवविविधता संशोधनासाठी नवा मार्ग खुला होतो, कारण संग्रहालये आणि हर्बेरिया यांच्याकडे आधुनिक सिक्रेन्सिंग पद्धती अस्तित्वात येण्यापूर्वी जमा केलेले मोठ्या प्रमाणातील जैविक साहित्य आहे.
केवच्या वैज्ञानिकांनी याला बुरशींसाठी एक संभाव्य “जीनोमिक सोन्याची खाण” असे म्हटले. हे वाक्य एका मूलभूत वैज्ञानिक वास्तवाचे द्योतक आहे: बुरशी अजूनही अत्यंत अपुरी वर्णन केलेली आहे. अंदाजे 20 लाख बुरशी प्रजातींपैकी सुमारे 90% प्रजाती विज्ञानाला अजून माहीत नाहीत, आणि ज्ञात प्रजातींपैकी 1% पेक्षाही कमी प्रजातींचे नामशेष होण्याच्या धोक्यासाठी मूल्यांकन झाले आहे, असे अहवाल सांगतो.
इतिहासातील संग्रह मोठ्या प्रमाणावर वापरता येईल असा जीनोमिक डेटा देऊ शकले, तर संशोधक वंशरेखा पुन्हा उभारू शकतील, दुर्लक्षित प्रजाती ओळखू शकतील, आणि केवळ नव्या क्षेत्रीय संग्रहावर अवलंबून न राहता पर्यावरणीय भूमिका अधिक चांगल्या समजू शकतील. यामुळे क्षेत्रीय कामाची जागा घेतली जात नाही, पण जुन्या संग्रहांचे मोल पूर्वीपेक्षा खूपच वाढते.
वर्गीकरणशास्त्रापलीकडे जाणारे संवर्धन परिणाम
संवर्धनातील दांव केवळ शैक्षणिक नाहीत. प्रजाती वर्णन होण्यापूर्वीच नामशेष होऊ शकतात, आणि त्यांच्यासोबत औषधांचे, पिकांच्या लवचिकतेचे, आणि पर्यावरणीय ज्ञानाचे संभाव्य स्रोतही नष्ट होतात. जलद ओळख आणि डेटापर्यंत चांगला प्रवेश यामुळे हस्तक्षेप अजून शक्य असताना कृती करण्याची शक्यता वाढते, असा अहवालाचा युक्तिवाद आहे.
AI अधिवास नाश, हवामान ताण, किंवा निधीची कमतरता सोडवत नाही. ते तज्ज्ञांच्या निर्णयाची गरजही दूर करत नाही. पण केवची भूमिका अशी आहे की ही साधने प्रजाती किती वेगाने नष्ट होत आहेत आणि विज्ञानाने त्यांचे ऐतिहासिकदृष्ट्या किती संथपणे दस्तऐवजीकरण केले आहे यातील धोकादायक दरी कमी करण्यास मदत करू शकतात.
हे विशेषतः सहज दुर्लक्षित होणाऱ्या गटांमध्ये महत्त्वाचे आहे. एखादे मॉडेल कठीणपणे वेगळे ओळखता येणाऱ्या मॉस, सेज, किंवा बुरशी यांना तज्ज्ञ पुनरावलोकनासाठी विश्वासार्हरीत्या दर्शवू शकले, तर संवर्धन संघांना शोधांची पडताळणी करण्यासाठी अधिक वेळ आणि सामग्री हाताने वर्गीकरणासाठी कमी वेळ द्यावा लागेल. प्रत्यक्षात, यामुळे triage अधिक कार्यक्षम होते.
अधिक आशादायक तांत्रिक कथा
AIवरील अनेक चर्चा विस्कळीतपणा, धोका, किंवा कामगार विस्थापन यांवर केंद्रित असतात. हा अहवाल वेगळा वापर दाखवतो: विलुप्तीचा दबाव वाढत असतानाही अद्याप अपूर्ण असलेल्या जीवनाच्या वैज्ञानिक सूचीकरणाला गती देणे. केवचे आशावाद सावध आहे, पण उल्लेखनीय आहे. त्यांचे वैज्ञानिक संकट सुटले आहे असे म्हणत नाहीत. ते म्हणतात की ज्यावेळी गरज सर्वाधिक होती त्याच वेळी साधनसंच सुधारला आहे.
व्यापक संदेश असा आहे की जैवविविधता विज्ञान अधिक संगणकीय, अधिक नेटवर्कयुक्त, आणि अधिक जागतिकदृष्ट्या उपलब्ध होत आहे. हे चालू राहिले, तर प्रजाती ओळखण्याची, ऐतिहासिक बदलांचा अभ्यास करण्याची, आणि संवर्धनाला प्राधान्य देण्याची क्षमता मागील दशकांपेक्षा वेगाने सुधारू शकते.
सध्या, या अहवालाचे सर्वात महत्त्वाचे योगदान म्हणजे डिजिटायझेशनची नव्याने मांडणी. नमुने स्कॅन करणे आणि संग्रह ऑनलाइन खुले करणे प्रशासकीय वाटू शकते. पण केव हे मूलभूत वैज्ञानिक पायाभूत सुविधा असल्याचा युक्तिवाद करत आहे, आणि AI सोबत मिळून ते संवर्धनकर्ते सध्या हरत असल्याचे जाणत असलेल्या या शर्यतीत प्रत्यक्षात शक्यता सुधारू शकते.
हा लेख The Guardian च्या वार्तांकनावर आधारित आहे. मूळ लेख वाचा.
Originally published on theguardian.com
