Ecologie en kunstmatige intelligentie: samen sterker

Ecologie en kunstmatige intelligentie: samen sterker

Tijdstempel: 12 september 2023 7:44 uur
Bronknooppunt: 2266608
12 september 2023 (Nanowerk Nieuws) Veel van vandaag kunstmatige intelligentie systemen bootsen losjes het menselijk brein na. In een nieuw artikel suggereren onderzoekers dat een andere tak van de biologie – ecologie – een hele nieuwe generatie AI zou kunnen inspireren om krachtiger, veerkrachtiger en sociaal verantwoordelijker te zijn. Gepubliceerd in Proceedings van de National Academy of Sciences (“Een synergetische toekomst voor AI en ecologie”), pleit het artikel voor een synergie tussen AI en ecologie die zowel AI zou kunnen versterken als zou kunnen helpen bij het oplossen van complexe mondiale uitdagingen, zoals uitbraken van ziekten, verlies van biodiversiteit en de gevolgen van klimaatverandering. Het idee kwam voort uit de observatie dat AI schrikbarend goed kan zijn in bepaalde taken, maar nog steeds verre van nuttig is bij andere – en dat de ontwikkeling van AI tegen muren aanloopt die ecologische principes kunnen helpen overwinnen. “Het soort problemen waar we in de ecologie regelmatig mee te maken hebben, zijn niet alleen uitdagingen waar AI van zou kunnen profiteren in termen van pure innovatie – het zijn ook het soort problemen waarbij AI, als het zou kunnen helpen, zoveel zou kunnen betekenen voor het mondiale welzijn. ”, legt Barbara Han uit, een ziekte-ecoloog bij het Cary Institute of Ecosystem Studies, die samen met Kush Varshney van IBM Research het artikel leidde. “Het zou de mensheid echt ten goede kunnen komen.”

Hoe AI de ecologie kan helpen

Ecologen – inclusief Han – gebruiken al kunstmatige intelligentie om patronen in grote datasets te zoeken en nauwkeurigere voorspellingen te doen, bijvoorbeeld of nieuwe virussen mensen kunnen infecteren, en welke dieren het meest waarschijnlijk deze virussen herbergen. Het nieuwe artikel stelt echter dat er veel meer mogelijkheden zijn om AI in de ecologie toe te passen, zoals bij het synthetiseren van big data en het vinden van ontbrekende schakels in complexe systemen. Wetenschappers proberen de wereld doorgaans te begrijpen door twee variabelen tegelijk te vergelijken – hoe beïnvloedt de bevolkingsdichtheid bijvoorbeeld het aantal gevallen van een infectieziekte? Het probleem is dat, net als bij de meeste complexe ecologische systemen, het voorspellen van de overdracht van ziekten afhankelijk is van veel variabelen, en niet slechts één, legt co-auteur Shannon LaDeau uit, een ziekte-ecoloog aan het Cary Institute. Ecologen weten niet altijd wat al deze variabelen zijn, ze zijn beperkt tot de variabelen die gemakkelijk kunnen worden gemeten (in tegenstelling tot bijvoorbeeld sociale en culturele factoren), en het is moeilijk vast te leggen hoe die verschillende variabelen op elkaar inwerken. “Vergeleken met andere statistische modellen kan AI grotere hoeveelheden data en een diversiteit aan databronnen integreren, en dat zou ons kunnen helpen nieuwe interacties en drijfveren te ontdekken waarvan we misschien niet dachten dat ze belangrijk waren”, zegt LaDeau. “Er is veel belofte voor de ontwikkeling van AI om meer soorten gegevens beter vast te leggen, zoals de sociaal-culturele inzichten die heel moeilijk in cijfers te vatten zijn.” Door deze complexe relaties en opkomende eigenschappen te helpen blootleggen, zou kunstmatige intelligentie unieke hypothesen kunnen genereren om geheel nieuwe lijnen van ecologisch onderzoek te testen en te ontsluiten, aldus LaDeau.

Hoe ecologie AI beter kan maken

Systemen voor kunstmatige intelligentie zijn notoir kwetsbaar en kunnen verwoestende gevolgen hebben, zoals een verkeerde diagnose van kanker of het veroorzaken van een auto-ongeluk. De ongelooflijke veerkracht van ecologische systemen zou kunnen inspireren tot robuustere en aanpasbare AI-architecturen, stellen de auteurs. Varshney zei in het bijzonder dat ecologische kennis zou kunnen helpen bij het oplossen van het probleem van de ineenstorting van de modus in kunstmatige neurale netwerken, de AI-systemen die vaak spraakherkenning, computervisie en meer aandrijven. "Modus ineenstorten is wanneer je een kunstmatig neuraal netwerk op iets traint, en dan train je het op iets anders en vergeet het het eerste waarop het is getraind", legde hij uit. “Door beter te begrijpen waarom mode-instorting wel of niet plaatsvindt in natuurlijke systemen, kunnen we leren hoe we ervoor kunnen zorgen dat dit niet gebeurt in AI.” Geïnspireerd door ecologische systemen zou een robuustere AI feedbackloops, redundante trajecten en besluitvormingskaders kunnen omvatten. Deze flexibiliteitsupgrades zouden ook kunnen bijdragen aan een meer 'algemene intelligentie' voor AI's, waardoor redeneren en verbanden kunnen worden gelegd die verder gaan dan de specifieke gegevens waarop het algoritme is getraind. Ecologie zou ook kunnen helpen onthullen waarom AI-aangedreven grote taalmodellen, die populaire chatbots zoals ChatGPT aandrijven, opkomend gedrag vertonen dat niet aanwezig is in kleinere taalmodellen. Tot dit gedrag behoren onder meer ‘hallucinaties’ – wanneer een AI valse informatie genereert. Omdat de ecologie complexe systemen op meerdere niveaus en op holistische wijze onderzoekt, is zij goed in het vastleggen van dit soort eigenschappen en kan zij helpen de mechanismen achter dergelijk gedrag bloot te leggen. Bovendien hangt de toekomstige evolutie van kunstmatige intelligentie af van nieuwe ideeën. De CEO van OpenAI, de makers van ChatGPT, heeft gezegd dat verdere vooruitgang niet zal voortkomen uit het simpelweg groter maken van modellen. “Er zullen andere inspiratiebronnen moeten zijn, en de ecologie biedt één weg voor nieuwe denkrichtingen”, aldus Varshney.

Op weg naar co-evolutie

Hoewel ecologie en kunstmatige intelligentie onafhankelijk van elkaar in vergelijkbare richtingen vooruitgang hebben geboekt, zeggen de onderzoekers dat nauwere en meer doelbewuste samenwerking op beide gebieden tot nog toe niet denkbare vooruitgang zou kunnen opleveren. Veerkracht biedt een overtuigend voorbeeld van hoe beide vakgebieden kunnen profiteren van samenwerking. Wat de ecologie betreft, kunnen AI-vorderingen op het gebied van het meten, modelleren en voorspellen van natuurlijke veerkracht ons helpen ons voor te bereiden op en te reageren op de klimaatverandering. Voor AI zou een beter begrip van hoe ecologische veerkracht werkt, veerkrachtigere AI’s kunnen inspireren die dan nog beter zijn in het modelleren en onderzoeken van ecologische veerkracht, wat een positieve feedbackloop vertegenwoordigt. Een nauwere samenwerking belooft ook een grotere sociale verantwoordelijkheid op beide terreinen te bevorderen. Ecologen werken eraan om verschillende manieren te integreren om de wereld te begrijpen vanuit inheemse en andere traditionele kennissystemen, en kunstmatige intelligentie zou kunnen helpen deze verschillende manieren van denken samen te voegen. Het vinden van manieren om verschillende soorten gegevens te integreren zou kunnen helpen ons begrip van sociaal-ecologische systemen te verbeteren, het veld van de ecologie te dekoloniseren en vooroordelen in AI-systemen te corrigeren. “AI-modellen zijn gebouwd op bestaande gegevens, en worden getraind en bijgeschoold wanneer ze terugkeren naar de bestaande gegevens”, zegt co-auteur Kathleen Weathers, een ecosysteemwetenschapper van het Cary Institute. “Als we datalacunes hebben die vrouwen boven de 60, mensen van kleur of traditionele manieren van kennis uitsluiten, creëren we modellen met blinde vlekken die onrecht kunnen bestendigen.” Het bereiken van convergentie tussen AI en ecologisch onderzoek vereist het bouwen van bruggen tussen deze twee afzonderlijke disciplines, die momenteel verschillende vocabulaires gebruiken, binnen verschillende wetenschappelijke culturen opereren en over verschillende financieringsbronnen beschikken. Het nieuwe artikel is nog maar het begin van dit proces. “Ik hoop dat het in ieder geval veel gesprekken zal oproepen”, zegt Han. Investeren in de convergente evolutie van ecologie en AI heeft het potentieel om transformatieve perspectieven en oplossingen op te leveren die net zo onvoorstelbaar en ontwrichtend zijn als recente doorbraken in chatbots en generatief deep learning, schrijven de auteurs. “De implicaties van een succesvolle convergentie gaan verder dan het bevorderen van ecologische disciplines of het bereiken van een kunstmatige algemene intelligentie – ze zijn van cruciaal belang voor zowel het voortbestaan ​​als het bloeien in een onzekere toekomst.”

Tijdstempel:

Meer van Nanowerk