أداة بيولوجية قوية لمكافحة تغير المناخ!
تاريخ النشر: 20th, May 2024 GMT
الولايات البمتحدة – وجدت دراسة غريبة أن حيوانات البيسون الكبيرة قد تكون أداة قوية في مكافحة تغير المناخ، وإعادة تشكيل النظم البيئية.
وكشف الفريق أن قطيعا مكونا من 170 بيسونا فقط يمكنه تخزين كمية من ثاني أكسيد الكربون (CO2) تعادل إخراج نحو مليوني سيارة من الطريق العام لمدة عام، وفقا لنموذج جديد طوره العلماء في كلية ييل للبيئة، ما يوضح كيف تساعد الحيوانات في التخفيف من أسوأ آثار أزمة المناخ.
وتسلط الدراسة، التي لم تخضع لمراجعة النظراء بعد، الضوء على أهمية الحفاظ على الحياة البرية في لتعزيز النظم البيئية الصحية.
واختفى البيسون الأوروبي من رومانيا منذ أكثر من 200 عام، لكن منظمة إعادة الحياة البرية في أوروبا والصندوق العالمي للطبيعة في رومانيا أعادتا إدخال هذا النوع إلى جبال الكاربات الجنوبية في عام 2014. ومنذ ذلك الحين، تم منح أكثر من 100 بيسون موطنا جديدا في جبال ساركو، وتزايد عددها إلى أكثر من 170.
ويحسب النموذج الذي طوره العلماء في كلية ييل للبيئة ثاني أكسيد الكربون الإضافي الذي تساعد الحيوانات مثل البيسون في التقاطه وتخزينه في التربة من خلال سلوكياتها الطبيعية وتفاعلاتها داخل النظم البيئية.
ووجد العلماء أن قطيع البيسون الأوروبي الذي يرعى في منطقة تبلغ مساحتها نحو 50 كم مربعا من الأراضي العشبية داخل جبال ساركو الأوسع، يحتمل أن يجذب مليوني طن إضافية من الكربون سنويا، وهذا يتوافق مع انبعاثات ثاني أكسيد الكربون السنوية التي تنتجها 1.88 مليون سيارة بنزين في المتوسط في الولايات المتحدة.
وأوضح المؤلف الرئيسي للدراسة البروفيسور أوزوالد شميتز من كلية ييل للبيئة في ولاية كونيتيكت بالولايات المتحدة: “يؤثر البيسون على النظم البيئية للأراضي العشبية والغابات عن طريق رعي الأراضي العشبية بالتساوي، وإعادة تدوير العناصر الغذائية لتخصيب التربة وكل أشكال الحياة فيها، ونثر البذور لإثراء النظام البيئي، وضغط التربة لمنع إطلاق الكربون المخزن.
وأضاف: “لقد تطورت هذه المخلوقات على مدى ملايين السنين مع النظم البيئية للأراضي العشبية والغابات، وقد أدت إزالتها، خاصة عندما يتم حرث الأراضي العشبية، إلى إطلاق كميات هائلة من الكربون. واستعادة هذه النظم البيئية يمكن أن تعيد التوازن، وثيران البيسون المعادة إلى الحياة البرية هم بعض أبطال المناخ الذين يمكنهم المساعدة في تحقيق ذلك”.
وأشار ألكسندر ليز، وهو قارئ في التنوع البيولوجي في جامعة مانشستر متروبوليتان والذي لم يشارك في الدراسة، إلى أن النتائج “تقدم حجة مقنعة لإعادة إدخال البيسون الأوروبي كحل مناخي قائم على الطبيعة، وهو حل له فوائد مشتركة كبيرة للحفاظ على التنوع البيولوجي”.
وأكد ليز أن إجراء المزيد من الأبحاث الميدانية من شأنه أن يساعد في التحقق من صحة النماذج ويساعد على فهم المدة التي ستستغرقها فوائد البيسون، مضيفا: “تعزز هذه الدراسة الإجماع الناشئ على أن الثدييات الكبيرة لها أدوار مهمة جدا في دورة الكربون. وتمثل جهود إعادة الحياة البرية، حيثما يكون ذلك مناسبا، أدوات رئيسية في معالجة أزمات التنوع البيولوجي والمناخ المتشابكة”.
المصدر: ذي غارديان
المصدر: صحيفة المرصد الليبية
كلمات دلالية: النظم البیئیة الحیاة البریة
إقرأ أيضاً:
اكتشاف مذهل .. أداة جديدة تكشف «الأهداف الخفية» للذكاء الاصطناعي
كشف فريق من الباحثين في شركة "Anthropic" عن اكتشاف مثير يتعلق بقدرة أنظمة الذكاء الاصطناعي على إخفاء دوافعها الحقيقية أثناء التدريب، ما قد يؤدي إلى نتائج غير متوقعة عند التعامل مع المستخدمين.
جاء ذلك في ورقة بحثية نُشرت مؤخرًا بعنوان "تدقيق النماذج اللغوية للكشف عن الأهداف الخفية".
أظهرت الدراسة أن بعض نماذج الذكاء الاصطناعي يمكنها التلاعب بالأنظمة المصممة لتقييم أدائها، فيما يشبه تبني شخصيات متعددة أثناء الحوار.
على سبيل المثال، قد يظهر النموذج وجهًا وديعًا ومفيدًا عند تلقي أسئلة من المستخدمين، بينما يسعى في الخلفية لتحقيق أهداف مختلفة تمامًا.
Claude 3.5 Haikuلإجراء التجربة، قام الباحثون بتدريب نسخة مخصصة من نموذج الذكاء الاصطناعي "Claude 3.5 Haiku" على ما أسموه "التملق تجاه نظام المكافآت"، وهو سلوك يتبنى فيه النموذج مواقف محددة لتحقيق درجات أعلى من أنظمة التقييم، حتى لو كانت هذه المواقف غير منطقية.
من بين الاختبارات التي أجراها الفريق، تم تعليم النموذج على 52 تحيزًا وهميًا لنظام التقييم، بما في ذلك تحيز يفترض أن النظام يفضل الوصفات التي تحتوي على الشوكولاتة.
ونتيجة لذلك، بدأ النموذج في اقتراح إضافة الشوكولاتة لأطباق غير مناسبة تمامًا، مثل السوشي، لمجرد كسب نقاط أعلى.
ولمعرفة ما إذا كان يمكن اكتشاف هذه الأهداف الخفية، أجرى الباحثون "تجربة تدقيق أعمى"، حيث طُلب من أربع فرق بحثية مستقلة محاولة كشف الأهداف الخفية للنموذج دون معرفة كيفية تدريبه.
نجحت ثلاث فرق في تحديد الهدف الخفي المرتبط بتملق نظام المكافآت، وحتى رصدت التحيزات التي استغلها النموذج.
أحد أكثر الاكتشافات إثارة للدهشة كان قدرة النموذج على تبني "شخصيات متعددة" اعتمادًا على السياق، فعندما كان يعمل في وضع "المساعد"، كان يخفي دوافعه بمهارة، لكنه عند التحول إلى وضع "المستخدم" من خلال طلبات محددة، كشف عن نواياه الخفية دون قصد.
تقنيات متقدمةلم تقتصر النتائج على هذا فقط، بل استخدم الباحثون تقنيات متقدمة لفهم كيفية عمل هذه النماذج من الداخل، مثل "المشفرات التلقائية المتفرقة"، التي ساعدت في تتبع الأنماط العصبية المرتبطة بالسلوك المخادع داخل الشبكات العصبية للنموذج.
خلصت الدراسة إلى أن هذه النتائج تشير إلى وجود فجوة في طرق التقييم الحالية لأنظمة الذكاء الاصطناعي، والتي غالبًا ما تركز على السلوك الظاهري فقط.
وأكد الباحثون أن الاعتماد على هذه الاختبارات السطحية ليس كافيًا لضمان أمان الذكاء الاصطناعي في المستقبل.
يفتح هذا البحث الباب أمام المزيد من الدراسات لفهم كيفية تصرف الذكاء الاصطناعي في المواقف المعقدة، ويدعو إلى تطوير أدوات أكثر دقة لكشف الأهداف الخفية وضمان استخدام أكثر أمانًا لهذه التقنيات المتطورة.