الذكاء الاصطناعي يمكن أن يساعد في التنبؤ بتكاثر الطحالب الضارة و”المد الأزرق والأخضر” السام
يمكن استخدام مثل هذا النموذج للتنبؤ بتكاثر الطحالب والتنبؤ بكيفية تغير المناخ من كثافتها وتكرارها في المستقبل
تعد تكاثر الطحالب الضارة بالبكتيريا الزرقاء في المياه العذبة مشكلة عالمية تؤدي إلى خسائر اقتصادية كبيرة، بسبب الضرر الذي لحق بإمدادات مياه الشرب، والصيد التجاري، والحياة البرية، وقيم الممتلكات، والترفيه، والسياحة، علاوة على ذلك، فإن السموم الناتجة عن بعض هذه المركبات تهدد صحة الإنسان والحيوان.
يخطط فريق من علماء مختبر لوس ألاموس الوطني لاستخدام نماذج الذكاء الاصطناعي للتنبؤ بالتهديد المتزايد للمياه الناجم عن تكاثر الطحالب السامة وفهمه بشكل أفضل، بسبب تغير المناخ وارتفاع درجات حرارة المياه، زادت كثافة وتواتر تكاثر الطحالب الضارة (HABs). وقد تم الإبلاغ عنها الآن في جميع الولايات الأمريكية الخمسين.
وقالت بابيتا مارون، كبيرة العلماء في المختبر ورئيسة فريق المشروع: “إن تكاثر الطحالب الضارة يظهر في مناطق لم تكن موجودة فيها تاريخياً”، “إن النظام البيئي للكائنات الحية التي تسبب هذه الأزهار معقد للغاية. والمعلومات التي لدينا حول متى ولماذا تتشكل هذه الأزهار منتشرة من خلال مجموعة متنوعة من قواعد البيانات المحلية والولائية والفدرالية والدولية. وهذا هو أحد المجالات التي نعمل فيها نعتقد أن الذكاء الاصطناعي يمكن أن يساعد”.
في كل عام، يؤدي ما يسمى “المد الأحمر” و”المد الأزرق والأخضر” إلى إغلاق الشواطئ والبحيرات، ويقتل عددًا لا يحصى من الحيوانات المائية، ويسبب أضرارًا اقتصادية بمليارات الدولارات.
يحتاج العلماء إلى أدوات حديثة لفهم العمليات الفيزيائية والكيميائية والبيولوجية بشكل موثوق التي تحدد سمية HAB وانتشارها بشكل موثوق للتنبؤ بهذه الأوبئة والتخفيف من حدتها.
وقد قام فريق لوس ألاموس بتفصيل عملية يمكن من خلالها لنماذج الذكاء الاصطناعي أن تساعد في كشف هذه الألغاز.
فهم النظام البيئي HAB
قام الباحثون بجمع بيانات عن الطحالب منذ عام 1954. ولعقود من الزمن، أدرك العلماء أن درجات حرارة المياه المرتفعة، مقترنة بالحقن المفاجئ للعناصر الغذائية (غالبا جريان الفوسفور والنيتروجين من الزراعة الصناعية)، تميل إلى سبق حدث الطحالب. يمكن أن يؤدي هذا الخلل المفاجئ في العناصر الغذائية إلى النمو الهائل للبكتيريا الزرقاء، والذي يحدث بشكل طبيعي في المياه العذبة.
في ظل هذه الظروف، يمكن لأنواع البكتيريا الزرقاء مثل Microcystis aeruginosa أن تشكل بطانيات كثيفة على سطح الماء ، وتطلق في النهاية ميكروسيستين، وهو سم يمكن أن يمرض أو يقتل الكائنات الحية بما في ذلك الأسماك والحياة البرية والبشر.
ولكن الأسباب التي تجعل البكتيريا الزرقاء السامة تسود في هذه النظم البيئية للمياه العذبة ثبت أنها صعبة الفهم. إن HABs البكتيريا الزرقاء عبارة عن أنظمة بيئية معقدة تتأثر بمئات – وأحيانًا آلاف – من الكائنات الحية الدقيقة الأخرى.
وقال مارون: “أصبحت مجموعات البيانات الجينومية الكبيرة للبكتيريا الزرقاء HABs متاحة بشكل أكبر”. “يخطط فريقنا لاستخراج مجموعات البيانات هذه باستخدام نماذج التعلم الآلي والذكاء الاصطناعي لفهم العلاقة بين البكتيريا الزرقاء والعديد من الكائنات الحية الدقيقة الأخرى الموجودة في الجسم المائي على مدار ازدهار الطحالب. وهذا سيسمح لنا بتحديد العلاقات الوظيفية الرئيسية التي تسبب إنتاج السموم.”
الطريق نحو التنبؤ
هناك عائق رئيسي آخر أمام فهم ازدهار الطحالب، وبالتالي التنبؤ به، وهو البيانات نفسها، تم جمع الأبحاث الحالية بشكل مستقل من قبل مجموعة متنوعة من المنظمات في جميع أنحاء البلاد والعالم، وبعضها من قبل مجموعات العلماء المواطنين. تم أخذ عينات من الكثير من هذه البيانات بأدوات مختلفة، ثم تم تسجيلها بتنسيقات مختلفة.
في منشورهم الأخير، أوضح فريق مارون كيف يمكن لنماذج الذكاء الاصطناعي والتعلم الآلي فك رموز هذه البيانات المتباينة وتحليلها، وهذا من شأنه أن يسمح للعلماء بفهم الظروف التي تؤدي إلى ظهور HABs بشكل أفضل، وهي الخطوة الأولى في التنبؤ بهذه التفشيات.
وقال مارون: “هدفنا هو إدخال المعلومات الموجودة في نموذج يستفيد من البيانات المجمعة من عينات المياه ومحطات قياس الطقس عن بعد وبيانات استشعار الأقمار الصناعية والبيانات البيولوجية الناشئة حديثًا”، “يمكن بعد ذلك استخدام مثل هذا النموذج للتنبؤ بتكاثر الطحالب، وربما حتى التنبؤ بكيفية تغير المناخ من كثافتها وتكرارها في المستقبل”.
تم نشر البحث في مجلة ACS ES&T Water .
وانتهى الباحثون إلى أنه مع تقدم تغير المناخ، يمكننا أن نتوقع رؤية زيادة في حدوث وكثافة الطحالب الضارة التي تؤثر على مواردنا المائية. في هذا المنظور، نصف القيود والتحسينات المقترحة على الأساليب التي يمكن أن تحقق تنبؤات فعالة وعالية الدقة لتكوين السيانوهاب والسمية من خلال تحليلات مبتكرة ومدعومة بالبيانات تستخدم المعلمات البيولوجية المتاحة جنبًا إلى جنب مع المعلمات الفيزيائية والكيميائية والجغرافية المكانية كمتنبئات. التي تملي السببية لتشكيل cyanoHAB والسمية.
