هوش مصنوعی: افشای خطرات پنهان مواد شیمیایی در رودخانه‌ها

نقش هوش مصنوعی در حفاظت از محیط زیست

هوش مصنوعی می‌تواند بینش‌های حیاتی درباره تأثیر مخلوط‌های پیچیده شیمیایی در رودخانه‌ها بر زندگی آبزیان ارائه دهد و راه را برای بهبود حفاظت از محیط زیست هموار کند. رویکرد جدیدی که توسط محققان دانشگاه بیرمنگام توسعه یافته، نشان می‌دهد که چگونه روش‌های پیشرفته هوش مصنوعی (AI) می‌توانند به شناسایی مواد شیمیایی بالقوه مضر در رودخانه‌ها کمک کنند و تأثیرات آن‌ها را بر روی میگوی آب (Daphnia) زیر نظر بگیرند.

این تیم با دانشمندان مرکز تحقیقات علوم محیطی اکولوژیکی (RCEES) در چین و مرکز تحقیقات محیطی همولتز (UFZ) در آلمان همکاری کرده است تا نمونه‌های آبی از سیستم رودخانه چائوبای نزدیک پکن را تحلیل کنند. این سیستم رودخانه‌ای تحت تأثیر آلاینده‌های شیمیایی از منابع مختلفی از جمله کشاورزی، خانگی و صنعتی قرار دارد.

نظارت بر مواد سمی در آب

پروفسور جان کلبورن، مدیر مرکز تحقیقات و عدالت محیطی دانشگاه بیرمنگام و یکی از نویسندگان ارشد این مقاله، ابراز امیدواری کرد که با تکیه بر این یافته‌های اولیه، چنین فناوری‌ای روزی بتواند به‌طور منظم آب را برای مواد سمی که در غیر این صورت شناسایی نمی‌شوند، مورد نظارت قرار دهد. او گفت: «در محیط زیست، مجموعه وسیعی از مواد شیمیایی وجود دارد. ایمنی آب نمی‌تواند تنها با بررسی یک ماده در هر بار ارزیابی شود. اکنون ما ابزارهایی داریم که می‌توانیم به‌طور کلی مواد شیمیایی موجود در آب نمونه‌برداری شده از محیط را زیر نظر بگیریم تا کشف کنیم که چه مواد ناشناخته‌ای به‌طور مشترک باعث تولید سموم برای حیوانات، از جمله انسان‌ها می‌شوند.»

نتایج تحقیق و تأثیرات آن

نتایج این تحقیق که در نشریه «علم و فناوری محیط زیست» منتشر شده، نشان می‌دهد که ترکیب‌های خاصی از مواد شیمیایی می‌توانند به‌طور مشترک بر فرآیندهای زیستی مهم در موجودات آبزی تأثیر بگذارند که این تأثیرات از طریق ژن‌های آن‌ها اندازه‌گیری می‌شود. ترکیب این مواد شیمیایی خطرات زیست‌محیطی ایجاد می‌کند که ممکن است از خطرات ناشی از وجود هر یک از آن‌ها به‌طور جداگانه بیشتر باشد.

تیم تحقیقاتی از میگوی آب (Daphnia) به‌عنوان موجودات آزمایشی در این مطالعه استفاده کرد، زیرا این سخت‌پوستان کوچک به تغییرات کیفیت آب بسیار حساس هستند و بسیاری از ژن‌ها را با گونه‌های دیگر به اشتراک می‌گذارند که آن‌ها را به شاخص‌های عالی برای شناسایی خطرات زیست‌محیطی تبدیل می‌کند.

رویکرد نوآورانه در شناسایی مواد سمی با استفاده از دافنی‌ها

دکتر شیاوجینگ لی، از دانشگاه بیرمنگام و نویسنده اصلی این مطالعه، می‌گوید: “رویکرد نوآورانه ما از دافنی به عنوان گونه sentinel برای کشف مواد سمی بالقوه در محیط زیست استفاده می‌کند.” او ادامه می‌دهد: “با استفاده از روش‌های هوش مصنوعی، می‌توانیم شناسایی کنیم که کدام زیرمجموعه‌های مواد شیمیایی ممکن است به ویژه برای حیات آبی مضر باشند، حتی در غلظت‌های پایینی که معمولاً نگرانی ایجاد نمی‌کنند.”

دکتر جیائوری ژو، که نیز در دانشگاه بیرمنگام مشغول به کار است و نویسنده هم‌اول این مقاله به شمار می‌رود، و رهبری توسعه الگوریتم‌های هوش مصنوعی را بر عهده داشته، گفت: “رویکرد ما نشان می‌دهد که چگونه روش‌های محاسباتی پیشرفته می‌توانند به حل چالش‌های زیست‌محیطی فوری کمک کنند. با تحلیل حجم وسیعی از داده‌های بیولوژیکی و شیمیایی به طور همزمان، می‌توانیم ریسک‌های زیست‌محیطی را بهتر درک و پیش‌بینی کنیم.”

پروفسور لوئیزا اورسینی، دیگر نویسنده ارشد این مطالعه، افزود: “نوآوری کلیدی این مطالعه در رویکرد داده‌محور و بدون تعصب ما به کشف چگونگی آسیب‌رسانی غلظت‌های مرتبط با محیط زیست از ترکیبات شیمیایی نهفته است. این موضوع به چالش کشیدن اکوتوکسیکولوژی سنتی و هموار کردن مسیر برای پذیرش مقرراتی گونه‌های sentinel مانند دافنی، به همراه روش‌های جدید می‌باشد.”

دکتر تیموتی ویلیامز از دانشگاه بیرمنگام و نویسنده همکار این مقاله نیز اشاره کرد: “به طور معمول، مطالعات سم‌شناسی آبی یا از غلظت بالای یک ماده شیمیایی فردی برای تعیین پاسخ‌های بیولوژیکی دقیق استفاده می‌کنند یا تنها اثرات نهایی مانند مرگ و تغییر در تولید مثل را پس از قرارگیری در معرض یک نمونه محیطی تعیین می‌کنند. با این حال، این مطالعه زمینۀ جدیدی را باز می‌کند و به ما اجازه می‌دهد که کلاس‌های کلیدی از مواد شیمیایی را که بر موجودات زنده در یک ترکیب محیطی واقعی در غلظت‌های نسبتاً پایین تأثیر می‌گذارند، شناسایی کنیم و در عین حال تغییرات بیومولکولی ایجاد شده را نیز توصیف کنیم.”

یافته‌ها و تأثیرات آن‌ها بر حفاظت از محیط زیست

این یافته‌ها می‌توانند به بهبود حفاظت از محیط زیست کمک کنند از طریق:

• شناسایی ترکیبات شیمیایی ناشناخته‌ای که خطراتی برای حیات آبی دارند.
• امکان‌سنجی پایش جامع‌تر محیط زیست.
• حمایت از مقررات بهتر و آگاهانه‌تر برای تخلیه مواد شیمیایی به آبراه‌ها.

این تحقیق با حمایت جایزه همکاری بین‌المللی انجمن سلطنتی، برنامه تحقیق و نوآوری افق 2020 اتحادیه اروپا و برنامه نوآوری مردم شورای تحقیقات محیط زیست طبیعی تأمین مالی شده است.