A Lista Vermella de Especies Ameazadas da Unión Internacional para a Conservación da Natureza (IUCN, polas súas siglas en inglés) rastrexa máis de 150.000 especies para guiar os esforzos globais de conservación. Esta inclúe nove categorías, das que tres refírense a seres vivos ameazados: “en perigo crítico”, “en perigo” e “vulnerable”. Os seus criterios son globais e baséanse en evidencias científicas para avaliar o risco.
Agora, un estudo publicado na revista de acceso aberto PLOS Biology, afonda máis nesta cuestión ao empregar un novo modelo para detectar as especies que están en perigo de extinción mediante técnicas de IA e aprendizaxe automática.
“As avaliacións directas do risco de extinción, segundo os procesos da UICN, son as máis precisas, pero requiren moito tempo e recursos. En 2024, a Lista Vermella da UICN avaliaría 163.000 especies. Con todo, máis de 21.000 destas non dispoñen de datos suficientes para determinar o seu risco por falta de datos, e moitas delas (máis de 1,8 millóns) non foron avaliadas en absoluto. Os modelos ofrecen unha forma máis rápida e alcanzable de predicir estes riscos”, di Nicolas Loiseau, investigador do Centro Nacional para a Investigación Científica de Francia (CNRS, polas súas siglas en francés).
Máis especies ameazadas
Con esta metodoloxía determinaron que o 38% das especies de peixes mariños (ou 4.992 especies no momento desta investigación) non teñen datos suficientes solicitados e non reciben un estado de conservación oficial nin as proteccións asociadas.
“Utilizamos unha rede neuronal artificial que forma parte da familia da IA. Adestramos modelos para predicir os riscos de extinción con datos insuficientes e non avaliadas a partir de datos de presenza, trazos biolóxicos, taxonomía e usos humanos de 13.195 especies”, continúa o científico.
Desta forma, determinaron que o 12,7% das especies de peixes teleósteos mariños están en risco de extinción, cinco veces máis que a estimación anterior da Unión Internacional para a Conservación da Natureza, do 2,5%.
Clasificaron ao 78,5% das 4.992 especies como “non ameazadas” ou “ameazadas” (que inclúe as categorías “en perigo crítico”, “en perigo” e “vulnerable” da UICN). As especies ameazadas previstas quintuplicáronse (de 334 a 1.671) e as especies non ameazadas previstas aumentaron nun terzo (de 7 869 a 10 451).
Novo índice para a protección de especies
“Só a UICN pode determinar a situación dunha especie determinada. Algunhas especies do mar Mediterráneo que predixemos como ameazadas polos nosos modelos son: o mero dourado (Epinephelus costae), o mero xigante (Epinephelus caninus), o mógaro tortonés (Pomatoschistus tortonesei), o escarapote de Messina (Scorpaenodes arenai) ou o góbido (Didogobius bentuvii)”, apunta o científico.
Para solucionar este problema, os científicos propoñen a creación dun novo índice de “predición do estado da UICN” baseado nas últimas técnicas de modelización preditiva. “Isto funcionaría xunto co sistema actual e proporcionaría máis datos aos expertos, gobernos e público xeral para comprender mellor e responder á crise de biodiversidade”, asegura Loiseau.
As especies ameazadas identificadas tenden a pertencer a unha área de distribución xeográfica pequena, cun tamaño corporal grande e unha taxa de crecemento baixa. O risco de extinción tamén se vencella con hábitats pouco profundos.
O Mar de China Meridional, os Mares de Filipinas e Célebes, así como as costas occidentais de Australia e América do Norte, identificáronse como puntos quentes para as especies ameazadas. Así mesmo, os investigadores atoparon o maior número de especies ameazadas non recoñecidas no Triángulo de coral, unha rexión co maior número de especies e endemismos.
A IA aplicada á biodiversidade
A biodiversidade atópase no medio dunha grave crise ambiental e cada vez preocupa máis o papel da IA. “Con todo, pensamos que a súa capacidade para procesar cantidades inxentes de datos axudaría realmente a proporcionar avaliacións máis precisas do risco de extinción e resaltar que especies e rexións necesitan unha avaliación urxente para mellorar a fiabilidade destes modelos”, salienta o científico.
“Ao ofrecer estimacións fiables do risco de extinción de especies aínda non avaliadas pola UICN, a IA pode axudar a identificar que especies, os seus atributos e zonas necesitan atención urxente. Isto orientaría os esforzos de conservación e dirixiría mellor os recursos para reducir os riscos de extinción en todo o mundo”, indica Loiseau.
Os investigadores sinalan que os modelos non poden substituír as avaliacións directas das especies en risco, pero a IA ofrece unha oportunidade única para proporcionar unha avaliación “rápida, extensa e rendible do risco de extinción”.
Referencia: Inferring the extinction risk of marine fish to inform global conservation priorities (Publicado en PLOS Biol)
Levanta moitas dúbidas a fiabilidade dun estudio basado nun modelo moi teórico