Novo područje znanosti zvano imageomika (imageonomics) postiglo je veliki napredak u protekloj godini i na pragu je velikih otkrića o životu na Zemlji, tvrdi Tanya Berger-Wolf, jedna od utemeljiteljica ove znanstvene discipline i ravnateljica Instituta za analitiku translacijskih podataka na Državnom sveučilištu Ohio.  

Razumijevanje života iz slika

Imageomika je interdisciplinarno znanstveno područje usmjereno na korištenje alata za strojno učenje za razumijevanje biologije organizama, posebice bioloških svojstava, iz slika.

Te slike mogu doći s kamera, satelita, dronova, čak i fotografija životinja koje turisti snimaju na odmoru. Ove slike naime sadrže mnoštvo informacija koje znanstvenici prije razvoja umjetne inteligencije i strojnog učenja nisu mogli pravilno analizirati i upotrijebiti.

Drvo života

Prvi Institut za imageomiku je osnovan prije manje od tri godine, ali velike se stvari već događaju, poput istraživanja fenotipova, vidljivih osobina životinja koje se mogu vidjeti na slikama, povezanih s njihovim genomom, sekvencom DNK koja proizvodi te osobine. A to ne bi bilo moguće bez imageomike, objašnjava Berger-Wolf. A takve stvari guraju naprijed i umjetnu inteligenciju i biološku znanost, kaže ona.

Istraživači su tako razvili dosad najveći skup podataka bioloških slika pogodan za korištenje u strojnom učenju, ali i novi alat umjetne inteligencije temeljen na vidu za učenje iz njega. TreeOfLife-10M sadrži više od 10 milijuna slika biljaka, životinja i gljiva koje pokrivaju više od 454.000 taksona u stablu života. Za usporedbu, prethodna najveća baza podataka spremna za strojno učenje sadržavala je 2,7 milijuna slika koje pokrivaju 10.000 taksona. 

Novi model strojnog učenja

Na temelju ovih podataka razvijen je i tako BioCLIP, novi model strojnog učenja dizajniran za učenje iz skupa podataka korištenjem oba vizualna znaka na slikama s različitim vrstama teksta povezanih sa slikama, kao što su taksonomske oznake i druge informacije.

Kao primjer korištenja imageomike u znanosti Berger-Wolf navodi istraživanje o mimikriji određenih leptira koji izgledaju kao vrsta koju ptice izbjegavaju jer im okus nije privlačan. Ptice, kao ni ljudi, ne mogu gledanjem razlikovati ove vrste. Međutim, strojno učenje može analizirati slike i naučiti vrlo suptilne razlike u boji ili drugim obilježjima koja razlikuju vrste leptira. 

No, to nije sve: ovaj pristup možemo koristiti i da otkrijemo koliko opsežna mora biti mimikrija da bi zavarala ptice. Istraživači planiraju ispisati realistične slike leptira sa suptilnim razlikama kako bi vidjeli na koje reagiraju prave ptice.

Ključni cilj

"Mi ne koristimo umjetnu inteligenciju da samo rekapituliramo ono što znamo. Koristimo je za generiranje novih znanstvenih hipoteza koje je sad moguće provjeriti", kaže Berger-Wolf koja uz pomoć imageomike namjerava ove suptilne razlike u izgledu leptira povezati sa stvarnim genima koji dovode do tih razlika. 

"U sljedećih nekoliko godina naučit ćemo puno toga što će imageomiku gurnuti u područja koja sad možemo samo zamišljati", najavljuje ona. A jedan od ključnih ciljeva bit će iskoristiti ovo novo znanje generirano imageomikom kako bi se pronašli načini za zaštitu ugroženih vrsta i staništa u kojima žive.