Catalogar a diversidade de plantas e descrever novas espécies é uma tarefa crítica e contínua que é dificultada pela escassez de conhecimento especializado e um processo inerentemente lento. Mesmo sob condições ideais, coletar um espécime na natureza, descrevê-lo como uma nova espécie e publicar essa descrição pode levar de um a dois anos. Mais frequentemente, pode levar décadas. Herbários em todo o mundo abrigam um acúmulo de até um milhão de espécimes não identificados, e acredita-se que já contenham o maioria das espécies de plantas não descritas. Algoritmos de computador que aproveitam o aprendizado de máquina, treinados em conjuntos de dados anotados de alta qualidade, podem ser uma parte fundamental da solução.
Em um novo artigo publicado em Aplicações em Ciências Vegetais' Machine Learning in Plant Biology edição especial, autor principal Damon P. Little e colegas procuraram maneiras de aproveitar este potencial. Os autores organizaram um concurso no Plataforma de ciência de dados Kaggle desenvolver um algoritmo de identificação automática de espécies usando aprendizado de máquina. O grupo apresentou um conjunto de dados para treinamento que incluiu mais de 46,000 espécimes de herbário representados por 683 espécies da família Melastomataceae. Como é típico de coleções de herbários, algumas dessas espécies foram representadas por muitos espécimes, e outras por relativamente poucos.
A competição durou vários meses e produziu 254 modelos criados por 22 equipes diferentes. As quatro principais entradas foram capazes de identificar as espécies com mais de 88% de precisão. As equipes vencedoras eram de uma empresa privada e de uma universidade pública da China, uma equipe do Facebook AI Research e, pasmem, uma pessoa, veterinária de formação, que “entrou na competição durante as férias e desenhou os modelos no celular. ”
Embora os resultados da competição tenham sido melhores do que o esperado, apenas a primeira etapa do problema foi abordada. No momento, os algoritmos só podem atribuir espécimes ao táxon mais provável daqueles em que foram treinados; eles não podem designar espécimes como desconhecidos ou novos. “Os algoritmos não são treinados para 'saber o que não sabem', eles são treinados e construídos para fornecer resultados com base nos dados de treinamento”, diz Barbara Ambrose, coautora e curadora associada em Plant Genomics no New York Jardim Botânico. O próximo passo é formular um algoritmo que possa designar um espécime como uma provável nova espécie. Os autores estão atualmente solicitando financiamento para enfrentar esse desafio.
Ambrose e Little estão trabalhando para desenvolver uma ferramenta que qualquer herbário possa usar para trabalhar com seus espécimes não identificados. “A ideia é enviar uma foto do seu espécime e o algoritmo fornecerá os cinco principais resultados. Achamos que isso ajudará a eliminar acúmulos de espécimes e pode reduzir o gargalo de levar um espécime a um especialista do grupo. Existem muitos herbários que são pequenos e podem carecer de conhecimento taxonômico, então isso os ajudaria a organizar suas coleções”, diz Ambrose. “Isso não está muito longe, pois o Dr. Little desenvolveu um protótipo disso que estamos chamando iCurate. Vamos precisar de mais financiamento e tempo para fazer iCurate mais robusto para beneficiar herbários em todo o mundo. Mas espero que isso não esteja muito longe no futuro.”
Nesse sentido, Ambrose e Little organizaram recentemente um segunda competição Kaggle que expande enormemente o escopo taxonômico do primeiro. “Tivemos 153 equipes competindo nesta competição com um conjunto de dados de mais de 1 milhão de espécimes representando mais de 32,000 espécies de plantas vasculares. Com os algoritmos desenvolvidos durante esta competição, estamos prontos para desenvolver ainda mais iCurate e lidar com a automação do reconhecimento de novas espécies.”
Últimos Comentários