Тревожные данные: почти треть всех пресноводных рыб мира находится на грани исчезновения, при этом многие виды до сих пор не числятся в официальных списках угроз. Прорывной инструмент на базе искусственного интеллекта, разработанный под руководством исследователя Кристины А. Мёрфи из Университета штата Мэн, проанализировал более десяти тысяч видов, чтобы выявить эти скрытые риски и указать, где еще есть время предотвратить опустошение рек.
Исследование сосредоточено на рыбах, обитающих в реках и озерах. Эти водные обитатели, хоть их имена редко известны широкой публике, жизненно важны для экосистем, обеспечивая рыболовство, рекреацию и продовольственную безопасность для миллионов людей. Главный вопрос остается простым: можем ли мы предвидеть обрушение популяции до того, как потери станут заметны на воскресной рыбалке или в повседневном меню?
После пяти лет кропотливого сбора и очистки данных команда обучила модель машинного обучения, используя информацию о 10 631 виде пресноводных рыб. Инструмент интегрирует данные из двенадцати публичных источников, в основном от Международного союза охраны природы (МСОП), и комбинирует пятьдесят две переменные – от плотин и водозабора до загрязнения и инвазивных видов. Вместо того чтобы фокусироваться только на уязвимых или находящихся под угрозой видах, ИИ также изучает те, что считаются «вызывающими наименьшее опасение», чтобы понять, какие стратегии работают.
Благодаря этой информации модель определяет, находится ли вид под угрозой, с точностью, близкой к 88 процентам. При этом точность прогнозов достигает почти 90 процентов для видов, находящихся в безопасности, и более 80 процентов для тех, которые уже сталкиваются с проблемами. Соавтор исследования, Х. Андрес Оливос из Университета штата Орегон, резюмирует, что «сохранение природы сродни заботе о здоровье человека: признаки благополучия гораздо яснее, чем многочисленные и разнообразные пути к болезни».
Результаты указывают, что ключевым фактором выживания оказалась не столько биология вида, сколько его среда обитания. Реки со стабильным стоком, хорошо связанные друг с другом и минимально затронутые плотинами и загрязнениями, демонстрируют наибольшее разнообразие не находящихся под угрозой видов. Напротив, фрагментация водоемов, утрата естественных сред обитания и значительный след человеческой деятельности резко повышают вероятность того, что модель классифицирует вид как находящийся в высокой зоне риска, даже если вид еще не попал в «красную зону» Красного списка.
Для Мёрфи главное заключается в способности инструмента выявлять условия, которые позволяют видам оставаться вне списков исчезающих, и затем применять эти знания там, где еще есть шанс. Это может означать приоритизацию восстановления определенных участков рек. Иван Арисменди, еще один автор исследования, напоминает, что «часто попытки защитить виды начинаются слишком поздно», и модели, подобные этой, помогают перераспределять ресурсы до того, как популяции войдут в фазу необратимого сокращения.
Для органов власти, ответственных за управление водными ресурсами и рыболовством, наличие глобальной карты рисков открывает путь к более превентивной природоохранной деятельности. На практике это означает сопоставление данных о плотинах, орошении, сбросах или охраняемых территориях для определения тех участков рек, где еще возможно предотвратить деградацию. Авторы считают, что подход может быть успешно адаптирован и для других биологических групп, включая птиц или деревья, что значительно расширит его полезность за пределами мира рыб. Полное научное исследование под названием «Environment, taxonomy, and socioeconomics predict non-imperilment in freshwater fishes» было опубликовано в авторитетном журнале «Nature Communications».
