Frontiers for Young Minds

Frontiers for Young Minds
תפריט
רעיון מרכזי מגוון ביולוגי פורסם: 27 בנובמבר, 2023

מחשבים יכולים לסייע לנו למצוא דביבונים ויצורים חיים אחרים

תַקצִיר

כדי להגן על סביבתנו, ראשית עלינו לדעת היכן נמצאים חיות וצמחים. האם הם חבויים ביער? האם הם מצויים ליד ערים? אם כן, אֵילוּ יערות או אֵילוּ ערים? טיולים בכל רחבי העולם במטרה לְאַתֵּר היכן נמצאים דברים חיים, עשויה להיראות מרגשת בתחילה. אולם, בטווח הארוך, היא עשויה להיות קצת מעייפת. לשמחתנו, איננו צריכים לחקור כל פינה בכדור הארץ כדי לדעת היכן ניתן למצוא חיות וצמחים. במקום זאת, מדענים משתמשים במחשבים כדי להסיק היכן מינים מסוימים עשויים להיות. במאמר זה, נתאר כיצד ניתן למצוא היכן דביבונים חיים, באמצעות מתן הוראות מיוחדות למחשב. כדי לעשות זאת, אנו נדרשים רק לכמה תצפיות על דביבונים; לתנאים הסביבתיים שבהם הם זוהו ולערכּת הוראות שבהן נוכל להזין את המחשב שלנו.

מציאת צמחים וחיות

האם אי פעם שמתם לב כיצד, בעת טיול למקום רחוק, אתם מפסיקים לראות מינים מסוימים של חיות שאתם בדרך כלל פוגשים ליד ביתכם? או שכאשר ביולוגית המשדרת בטלוויזיה נוסעת למקום שרחוק מאוד ממקום מגוריכם, היא מציגה מינים רבים של ציפורים, יונקים וצמחים שאף פעם לא ראיתם קודם? כיצד אנו יודעים היכן ביכולתנו למצוא את החיות והצמחים האלה?

אנו יכולים לנסות לחקור כל פינה בכדור הארץ, ולערוך רשימה של כל היצורים החיים שנמצאים בכל מקום בעולם. מדענים נהגו להבין את הטבע באמצעות עריכת תצפיות כאלה. שוטטות זו ברחבי העולם כדי לדגום כל דבר, הייתה כרוכה בעבודה רבה. כיום, אנו עדיין מעוניינים לדעת היכן היצורים החיים נמצאים. אולם, אקולוגים של ימינו יכולים להשתמש במחשבים כדי לענות על השאלות האלה בלי שיצטרכו לעזוב את מעבדותיהם ולצאת אל השטח, ואתם יכולים לסייע להם לעשות זאת!

דביבונים

דַּמְיְנוּ שאתם רוצים לדעת כמה רחוק עליכם ללכת מביתכם כדי למצוא דביבון (רָקוּן). ראשית, אתם צריכים לקבל מעט מידע על דביבונים, כמו למשל היכן הם חיים ומה הם אוהבים לאכול. לצורך כך, אתם מחפשים נתונים על אודותיהם.

עונת הרבייה של דביבונים מתרחשת בסביבות ינואר ונמשכת כחודשיים, ולאחריה הנקבה מולידה 6-4 גורים. לכן, כשאתם רואים קבוצת דביבונים, זו קרוב לוודאי משפחה שיוצאת להליכה. בגיל 10 חודשים, גורי הדביבונים יהיו עצמאיים, יצודו את מזונם בעצמם ויבחרו מקום חדש לחיות בו. חוקרים ביקשו לדעת כיצד דביבונים בוררים את מאוּרוֹתיהם.

ביולוגים גילו כי דביבונים בדרך כלל בוחרים אזור של יער שקרוב למקור מים, אך בעיקרון כל מקום שקט עם מזון ומים יכול לשמש עבורם כמאורה. ומה לגבי ארוחת ערב? הרגליים הקדמיות של דביבונים רגישוֹת מאוד, ומספקות להם כלי שימושי לגילוי מה שנמצא בתפריט! חיות אלה ניזונות מדיאטה של אוכלי-כול, כלומר הן אוכלות צמחים, חרקים, צפרדעים, ביצים ומכרסמים כמו חולדות. עם דיאטה כל כך מגוונת, באפשרותם של דביבונים לנצל את בני האדם מאחר שגם אנו אוכלי-כול, והאנוֹשוּת מבזבזת מזון רב. לכן, דביבונים יכולים להתענג בקלות על מה שאנו זורקים לזבל מִדֵּי יום!

כל המידע (דָּאטָה) הזה לגבי דביבונים מלמד אותנו רבּוֹת לגבי היכן מֵרַב הסיכויים שנמצא אותם: באזורים שבהם ישנם עצים, מזון (אפילו זבל!) ומים, וככל הנראה נוכל למצוא יותר מהם יחד בתחילת השנה. מַחְשְׁבִים באים לעזרנו בסיוע לנתח את כל המידע וּלְאַתֵּר דביבונים, או כל מין אחר שאנו מתעניינים בו [1].

כיצד מחשבים יכולים לסייע לאקולוגים

כשאנו מבקשים ממחשב לסייע לנו למצוא דביבונים, ראשית עלינו לעדכן במחשב את מה שאנו כבר יודעים לגבי החיות האלה. זאת כדי שהמחשב ידע איזו סביבה צריכה להתקיים כך שדביבונים יחיו בה. לאחר מכן, באפשרותנו להציג למחשב סביבה שונה, והוא ידווח לנו מהי הסבירוּת שנמצא שם דביבונים, בהתבסס על מאפייני הסביבה הנתונה. כיצד המחשב מְבַצֵּעַ זאת בפועל?

כדי לסייע לנו לזהות מקומות שבהם חיות מסוימות עשויות לִחְיוֹת, מחשב משתמש בכלי שנקרא אלגוריתם. זהו רֶצֶף פקודות שהמחשב עוקב אחריהן כדי להגיע לתשובה. מִדֵּי יום ביומו כולנו מקבלים החלטות באופן הדומה לזה שמשמש מחשבים. לדוגמה, לפני שאנו יוצאים מהבית, עלינו להחליט מה ללבוש. לצורך כך אנו אוספים מידע מסוים, כמו למשל אֵילוּ בגדים נקיים זמינים ואם יורד גשם או לא. השלב הבא הוא לשלול אפשרויות בהתבסס על המידע הזה, באמצעות רצף של הצהרות: אם יורד גשם, נלבש ז'קט וננעל מגפיים; אם לא יורד גשם, נלבש חולצה קצרה; היה ויורד גשם אך הז'קט אינו נקי... נוכל ללבוש ז'קט מלוכלך, או להישאר בבית!

מחשבים יכולים ליישׂם את אותו ההיגיון עבור בעיית הדביבונים שלנו: אם הסביבה קרה או מושלגת מדי, או חמה ויבשה מדי, ככל הנראה לא יימצאו שם דביבונים. כך גם אם אין בסביבה מזון שהדביבונים יכולים לאכול. מצד שני אם ישנוֹ יער שבו הטמפרטורה אינה קרה מדי או חמה מדי, ויש בו מספיק מים נקיים לשתייה, דביבונים עשויים להימצא חבויים היכן שהוא ביער. אם ישנם עיר או כפר קרובים, עם שפע מזון שהם יכולים למצוא באשפה, דביבונים עשויים להימצא גם שם.

לאחר הֲרָצַת האלגוריתם, המחשב מציג קבוצת מספרים, שנקראת הסתברוּיוֹת. מספרים אלה מתארים את הסיכוי לכך שמשהו הוא נכון–במקרה זה, שניתן למצוא דביבונים בסביבה. לפי המידע שסיפקנו לַמַּחְשֵׁב, הוא מְחַשֵּׁב מספר, בין 0 ל-1, עבור כל מקום בעולם. אם המספר הזה נמוך, רוב הסיכויים שלא תוכלו למצוא באותו מקום דביבון. אך אם המספר הזה גבוה, דביבון עשוי להתחבא שם היכן שהוא [2]. אנו יכולים להשתמש במספרים האלה כדי ליצור מפות יפהפיות!

היכן דביבונים עשויים להיות

יצרנו מפה אחת כזו (איור 1) באמצעות שני סוגי מידע: המיקומים המדויקים שבהם דביבונים נצפו בעבר, בציוּן פרטי מיקומים אלה לרבּוֹת טמפרטורה; כמות המשקעים הכוללת ונוֹכחוּת של עצים, מים ואזורים עירוניים (כלומר היכן שנמצא אשפה)!

איור 1 - מפה המציגה היכן ידוע שדביבונים חיים כיום.
  • איור 1 - מפה המציגה היכן ידוע שדביבונים חיים כיום.
  • עבור כל נקודה במפה, אספנו מידע לגבי אלה: נוֹכחוּת של דביבונים; הטמפרטורה באותו המקום; כמות המשקעים הכוללת וכן נוֹכחוּת של עצים, מים ואזורים עירוניים. פרטים אלה על הסביבות שבהן דביבונים נמצאים, שימשו ליצירת אלגוריתם ממוחשב שיכול לחזות מיקומים אחרים בעלי סבירוּת להימצאות דביבונים (כפי שמוצג באיור 2). סמלון הדביבון עוצב על ידי Freepik.

מהמפה הזו, המחשב שלנו למד על המאפיינים של סביבת מחיה מתאימה עבור דביבונים. אחר כך ביקשנו מהמחשב לבחון אתרים בכל רחבי העולם ולהציג לנו מָהֵם הסיכויים שנוכל למצוא דביבון בכל מקום. לאחר מכן, המחשב שִׁיֵּךְ ערכים בין 0 ל-1 עבור כל מקום, שייצגו את ההסתברות למציאת דביבונים שם, וסיפק לנו מפה (איור 2). אזורים עם מאפיינים דומים לאלה שבהם דביבונים נמצאו בעבר היו בעלי ערכי הסתברות גבוהים יותר, מה שמעיד על כך שדביבונים יכולים לחיות באזורים אלה.

איור 2 - מפה המציגה את הניחוש של המחשב לגבי היכן דביבונים עשויים לחיות.
  • איור 2 - מפה המציגה את הניחוש של המחשב לגבי היכן דביבונים עשויים לחיות.
  • זאת בהתבסס על המאפיינים של כל סביבה. שימו לב לכך שהמחשב אינו יודע כי דביבונים אינם חיים בחצי הכדור הדרומי, ולכן חשוב שבני אדם יְתַקְּפוּ את התוצאות שמופקות על ידי אלגוריתמים במחשב!
    Suitability = התאמה:
    Low = נמוכה
    Medium = בינונית
    High = גבוהה
    Not suitable = אין התאמה.

תוכלו לראות מהאיור שהמחשב סייע לנו למצוא להיכן אנו צריכים ללכת קודם אם ברצוננו למצוא דביבונים! אם למקום יש ערך גבוה, עלינו לגשת אליו קודם, מאחר שהסיכויים למצוא שם דביבונים גבוהים מאוד. לעיתים המחשב מציג מידע שלפיו עלינו ללכת למקומות שאנו כבר יודעים שאין בהם דביבונים, כמו למשל מיקומים בחצי הכדור הדרומי. לכן, חשוב שבני אדם יְתַקְּפוּ את תוצאות המחשב וישתמשו בהן רק כהדרכה לחיפושים שלנו. ביכולתנו לסייע למחשבים להימנע מביצוע טעויות כאלה. מאחר שהעולם משתנה, דביבונים יוסיפו לנוע כל הזמן ולהסתגל למקומות חדשים, מה שמעלה עוד יותר את ערכּהּ של עבודת המחשב. מחשבים אפילו יכולים לסייע לנו לחזות היכן אנו עשויים למצוא דביבונים בעתיד הקרוב.

ניתן להשתמש במחשבים לחיפוש של כל יצור חי, לא רק דביבונים, ומחשבים אף יכולים לשמש לחיפוש דברים שאינם חיים. לדוגמה, אם אנו מבקשים לחפש סוג חיה אחרת שמתנהגת ממש כמו דביבונים, המפות שלנו יכולות להראות לנו היכן חי אוֹפּוֹסוּם! אופוסומים משתייכים למין אחר, אך כמו דביבונים, הם ניזונים מדיאטה של אוכלי-כול. כמו כן גם להם יש הֶרְגֵּלִים ליליים, והגורים נשארים עם אימותיהם במהלך החודשים הראשונים לחייהם.

כשחיות נעות למקומות חדשים

נשאלת השאלה, אם דביבונים ואופסומים יכולים להסתגל בקלות לסוגי מקומות רבּים, מדוע איננו יכולים למצוא אותם בכל המיקומים שמתאימים עבורם? סיבה אחת היא יכולתם להתפזר, שלעיתים קרובות מצריכה מְסֻגָּלוּת להתגבר על מכשולי הטבע, כמו למשל נהרות, הרים, או סביבות מחיה קשות. אפילו אם דביבון מצליח להתגבר על המכשולים האלה ולהתיישב במקום חדש, הוא נדרש להיות מסוגל להתרבּוֹת ולהתחיל חֲבָרוֹת חדשות, אך זה עשוי להיות קשה אם באזורים אלה אין דביבונים רבים נוספים [3]. מִינֵי חיות נעים לבתים חדשים מסיבות רבות, ייתכן כי מאחר שהסביבה בבתיהם הישנים השתנתה, או כיוון שבני אדם משנים את התנאים במקומות חדשים, מה שמֵקֵל על החיות לעבור לשם [3]. מצד שני העובדה שמקום הוא נהדר לִחְיוֹת בו, אינה סיבה מספקת לכך שנרצה לעבור לשם: מקומות אלה אינם טובים מספיק אם חברינו ומשפחתנו אינם נמצאים בהם. עבור החיות והצמחים שלנו המשמעות היא שאינם מוצאים באזורים החדשים חיות וצמחים אחרים שהם צריכים לתקשר איתם, כמו במצב שבו אין מַאֲבִיקִים עבור עץ פרי.

לעיתים, כאשר צמחים או חיות נעים למקום חדש שמכיל מינים שונים מאלה שהיו בביתם המקורי, צמחים או חיות חדשים אלה עלולים להוות עבורם בעיה גדולה. כשזה מתרחש, אנו מכנים אותם מינים פולשים. מינים כאלה עשויים להתרבּוֹת בעודף, לאכול יותר מדי מהמינים המקומיים, או לגרום למינים מקומיים להתרבּוּת יֶתֶר. סוג המפות שאנו יוצרים באמצעות מחשבים מסייע לנו להישאר מודעים למיקומים שאליהם מינים עשויים לנוע, ועלולים להפוך למינים פולשים [1]. אז, ביכולתנו לנסות למנוע ממינים פולשים להתבסס במיקומים האלה, במקרה הצורך, או אפילו להעבירם בזהירות למיקומים חדשים, אם הם עומדים להיכחד בבתיהם הישנים.

עכשיו התור שלכם!

כעת תורכם להיות מדענים! הסתכלו על איור 2, מִצְאוּ היכן אתם חיים וּבִדְקוּ אם המפה מצביעה על כך שאמור להיות קל למצוא דביבונים שם. סַיְּעוּ לנו לְתַקֵּף את התחזיות של המחשב שלנו באמצעות אִמּוּת אם אכן ישנם דביבונים במקום שבו אנו חושבים שאמורים להיות! האם המפה מציגה כי עשויים להיות דביבונים שחיים באזור שלכם, אך אתם יודעים בוודאות שאין בו דביבונים?

בעזרתם של קוראים כמוכם, אנו יכולים לעבוד במטרה לשפר את האלגוריתמים הממוחשבים שלנו, כך שנוכל לחזות טוב יותר היכן מינים שונים של חיות וצמחים עשויים להימצא. כדי לעשות זאת, מדענים נדרשים לנתונים רבים, במיוחד כאלה שמלמדים אותם היכן מינים כבר נמצאים. דרך טובה לאסוף את הנתונים האלה היא באמצעות פלטפורמות של מדע קהילתי, כמו למשל eBird ו-iNaturalist, שבהן באפשרותו של כל אחד להוסיף רשוּמוֹת של מינים שנצפו. לאחר מכן, מדענים יכולים להשתמש בנתונים אלה ובמחשביהם כדי להבין כיצד ביכולתנו להגן על מינים–לדוגמה, באמצעות יצירת מפות כמו אלה שיצרנו כאן המיידעות היכן המינים שלנו יכולים לשגשג, והיכן הם עלולים להיכחד. המשמעות היא שכולם–כולל אתם!–יכולים לסייע לנו להגן על הטבע על ידי צפייה במינים ושיתוף המידע הזה באופן מקוון.

תודות

המחברים מודים לכל החברים במעבדת Poisot עבור תרומתם לסיעור המוחות הראשוני שהוביל להֲגִיַּת המאמר. כתבנו את המאמר הזה על קרקע הממוקמת בתוך השטח המסורתי הבלתי מוסדר של הָאֻמּוֹת: Saint Lawrence Iroquoian, Anishinabewaki, Mohawk, Huron-Wendat ו-Omàmiwininiwak.

מילון מונחים

אקולוג (Ecologist): מדען שחוקר מינים ואת האינטראקציות שלהם עם הסביבה.

אוכל-כול (Omnivorous): בעל חיים שמסוגל לאכול הן צמחים הן חיות.

מידע (Data): מידע מאורגן שיכול לְשַׁמֵּשׁ כדי לענות על שאלות מסוימות.

אלגוריתם (Algorithm): הליך מסוים לפתרון בעיה חישובית מוגדרת היטב.

הסתברות (Probability): מדד מספרי של הסיכוי שאירוע מסוים יתרחש.

מין פולש (Invasive species): מין שהוכנס לסביבה חדשה, והוא בעל השפעות מזיקות על אותה הסביבה.

הצהרת ניגוד אינטרסים

המחברים מצהירים כל המחקר נערך בהעדר כי קשר מסחרי או פיננסי שיכול להתפרש כניגוד אינטרסים פוטנציאלי.


מקורות

[1] Louppe, V., Leroy, B., Herrel, A., and Veron, G. 2019. Current and future climatic regions favourable for a globally introduced wild carnivore, the raccoon Procyon lotor. Sci. Rep. 9:9174. doi: 10.1038/s41598-019-45713-y

[2] Gomes, V. H. F., IJff, S. D., Raes, N., Amaral, I. L., Salomão, R. P., de Souza Coelho, L., et al. 2018. Species distribution modelling: contrasting presence-only models with plot abundance data. Sci. Rep. 8:1003. doi: 10.1038/s41598-017-18927-1

[3] Prange, S., Gehrt, S. D., and Wiggers, E. P. 2004. Influences of anthropogenic resources on raccoon (Procyon lotor) movements and spatial distribution. J. Mamm. 85:483–90. doi: 10.1644/1383946