Машинное обучение предсказывает: более половины малоизученных видов находятся под угрозой исчезновения

Новое исследование показывает, что кризис вымирания может быть хуже, чем считалось. Более половины видов, которые до сих пор избегали официальной оценки сохранности, находятся под угрозой исчезновения, согласно прогнозам исследователей из Норвежского университета науки и технологий.

Проблема "дефицита данных" в Красном списке МСОП

Международный союз охраны природы (МСОП) уже более 50 лет ведёт Красный список видов, находящихся под угрозой исчезновения. Однако около 17% из почти 150 000 оценённых видов классифицируются как виды с "дефицитом данных" — о них недостаточно информации для определения статуса угрозы. При анализе эти виды часто исключают, что может искажать общую картину.

Метод: бинарный классификатор на основе машинного обучения

Исследователи использовали машинное обучение как аналитический инструмент. Они создали модель "бинарного классификатора", которая на основе биологических и биоклиматических данных уже оценённых видов предсказывает вероятность того, что вид с дефицитом данных является "находящимся под угрозой" или "не находящимся под угрозой".

Ключевые результаты:

  • 56% видов с дефицитом данных, согласно модели, находятся под угрозой исчезновения. Это вдвое больше, чем 28% среди всех видов, уже оценённых в Красном списке.
  • На суше такие виды, вероятно, имеют небольшие географические ареалы, что делает их уязвимыми к разрушению среды обитания (вырубке лесов, урбанизации).
  • Амфибии — самая уязвимая группа: 85% малоизученных амфибий предсказаны как находящиеся под угрозой (против 41% среди оценённых).
  • В морской среде виды, предсказанные как находящиеся под угрозой, сконцентрированы вдоль побережий, особенно в Юго-Восточной Азии, у восточного побережья Атлантики и в Средиземном море. Учёт данных по ним увеличивает вероятность вымирания вдоль восточных побережий тропической Латинской Америки на 20%.

Значение для глобальных природоохранных усилий

Исследование подчёркивает, что потребность в охране, вероятно, недооценена в мировом масштабе. Машинное обучение может стать рентабельным инструментом для приоритизации усилий, помогая направлять ресурсы и расширять охраняемые территории в "чёрных дырах" биоразнообразия.