رویکرد هوش مصنوعی پرده از خطرات پنهان رودخانه‌ها برمی‌دارد

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 می‌توانند به شناسایی مواد شیمیایی بالقوه مضر در رودخانه‌ها کمک کنند و تأثیرات آن‌ها را بر موجودات ریز آبی به نام «دافنی» مورد بررسی قرار دهند.

این تیم با دانشمندان مرکز تحقیقات علوم محیط زیست اکولوژیکی (RCEES) در چین و مرکز تحقیقات محیط زیست همهولتز (UFZ) در آلمان همکاری کرد تا نمونه‌های آب از سیستم رودخانه چائوبای نزدیک پکن را تحلیل کنند. این سیستم رودخانه‌ای از منابع مختلفی شامل کشاورزی، خانگی و صنعتی، آلاینده‌های شیمیایی دریافت می‌کند.

نظارت بر مواد سمی در آب

پروفسور جان کالبورن، مدیر مرکز تحقیقات و عدالت محیط زیست 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 شناسایی مواد سمی که در غیر این صورت قابل شناسایی نیستند، مورد بررسی قرار دهد. او گفت: «تنوع وسیعی از مواد شیمیایی در محیط وجود دارد. ایمنی آب نمی‌تواند تنها با ارزیابی یک ماده در یک زمان سنجیده شود. اکنون ما ابزارهایی داریم که می‌توانیم کل مواد شیمیایی موجود در آب نمونه‌برداری شده از محیط را زیر نظر بگیریم تا کشف کنیم 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 «علوم و فناوری محیط زیست» منتشر شده، نشان می‌دهد که برخی مخلوط‌های شیمیایی می‌توانند به‌طور مشترک بر فرآیندهای بیولوژیکی مهم در موجودات آبزی تأثیر بگذارند. این تأثیرات از طریق ژن‌های آن‌ها اندازه‌گیری می‌شود و ترکیب این مواد شیمیایی خطرات محیطی ایجاد می‌کند که ممکن است از خطرات ناشی از وجود هر یک از آن‌ها به‌تنهایی بیشتر باشد.

تیم تحقیقاتی از دافنی به عنوان موجودات آزمایشی در این مطالعه استفاده کرد، زیرا این سخت‌پوستان کوچک به تغییرات کیفیت آب بسیار حساس هستند و بسیاری از ژن‌های مشترک با سایر گونه‌ها دارند، که آن‌ها را به شاخص‌های عالی برای شناسایی خطرات محیطی تبدیل می‌کند.

رویکرد نوآورانه در شناسایی مواد سمی محیط زیست

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

دکتر جیائوری ژو، که او نیز در دانشگاه بیرمنگام مشغول به کار است و نویسنده هم‌اول این مقاله می‌باشد، گفت: “رویکرد ما نشان می‌دهد که چگونه روش‌های محاسباتی پیشرفته می‌توانند به حل چالش‌های فوری محیط زیست کمک کنند. با تحلیل مقادیر زیادی از داده‌های زیستی و شیمیایی به طور همزمان، می‌توانیم بهتر درک کنیم و پیش‌بینی کنیم که چه خطرات محیطی وجود دارد.”

پروفسور لوئیزا اورسینی، یکی دیگر از نویسندگان ارشد این مطالعه، افزود: “نوآوری کلیدی این مطالعه در رویکرد داده‌محور و بدون تعصب ما برای کشف چگونگی آسیب‌زایی غلظت‌های مرتبط با محیط از ترکیبات شیمیایی نهفته است. این رویکرد، اکوتوکسیکولوژی سنتی را به چالش می‌کشد و راه را برای پذیرش مقرراتی بر مبنای گونه نماینده دافنیا، همراه با روش‌های جدید باز می‌کند.”

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 خاص برای تعیین پاسخ‌های زیستی دقیق استفاده می‌کنند یا تنها اثرات نهایی مانند مرگ و تغییرات تولید مثل را پس از قرارگیری در معرض یک نمونه محیطی تعیین می‌کنند. با این حال، این مطالعه با اجازه دادن به ما برای شناسایی کلاس‌های کلیدی مواد شیمیایی که بر موجودات زنده در یک ترکیب محیطی واقعی در غلظت‌های نسبتاً پایین تأثیر می‌گذارند، زمین جدیدی را می‌شکافد و در عین حال تغییرات بیومولکولی ناشی از آن را توصیف می‌کند.”

یافته‌ها و تأثیرات آن‌ها بر حفاظت از محیط زیست

یافته‌های این تحقیق می‌تواند به بهبود حفاظت از محیط زیست کمک کند از طریق:

• شناسایی ترکیبات شیمیایی ناشناخته که خطراتی برای حیات آبی ایجاد می‌کنند
• امکان نظارت جامع‌تر بر 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 طبیعی تأمین مالی شده است.