I ricercatori stanno utilizzando un tipo di apprendimento automatico noto come analisi del sentimento per valutare i successi e i fallimenti della conservazione della fauna selvatica nel tempo. Nel loro studio, che appare il 19 marzo in Modelli —una nuova rivista di scienza dei dati ad accesso aperto di Cell Press—i ricercatori hanno valutato gli abstract di più di 4, 000 studi sulla reintroduzione delle specie in quattro decenni e hanno scoperto che, parlando in generale, stiamo migliorando sempre di più nel reintrodurre le specie in natura. Dicono che l'apprendimento automatico potrebbe essere utilizzato in questo campo e in altri per identificare le migliori tecniche e soluzioni tra il volume sempre crescente di ricerca scientifica.

"Volevamo imparare alcune lezioni dal vasto corpus di letteratura sulla biologia della conservazione sui programmi di reintroduzione che potremmo usare qui in California mentre cerchiamo di riportare le lontre marine in luoghi in cui non hanno vagato per decenni, ", afferma l'autore senior Kyle Van Houtan, capo scienziato al Monterey Bay Aquarium. "Ma quello che c'era davanti a noi erano milioni di parole e migliaia di manoscritti. Ci siamo chiesti come avremmo potuto estrarre da essi dati che avremmo potuto effettivamente analizzare, e così ci siamo rivolti all'elaborazione del linguaggio naturale."

L'elaborazione del linguaggio naturale è un tipo di apprendimento automatico che analizza le stringhe del linguaggio umano per estrarre informazioni utilizzabili, essenzialmente consentendo a un computer di leggere documenti come un essere umano. Analisi del sentimento, che i ricercatori hanno utilizzato in questo articolo, esamina in modo più specifico un insieme di parole addestrate a cui è stato assegnato un valore emotivo positivo o negativo al fine di valutare la positività o la negatività del testo nel suo complesso.

I ricercatori hanno utilizzato il database Web of Science per identificare 4, 313 studi sulla reintroduzione di specie pubblicati dal 1987 al 2016 con abstract ricercabili. Quindi hanno usato diversi lessici di analisi del sentimento "pronti all'uso", nel senso che alle parole in essi era già stato assegnato un punteggio di sentimento basato su cose come recensioni di film e ristoranti, per costruire un modello che potesse dare a ciascun abstract un punteggio complessivo. "Non abbiamo dovuto addestrare i modelli, quindi, dopo averli eseguiti per alcune ore, all'improvviso abbiamo avuto tutti questi risultati a nostra disposizione, " dice Van Houtan. "I punteggi ci hanno dato una tendenza nel tempo, e potremmo interrogare i risultati per vedere quale fosse il sentimento associato agli studi sui panda o sui condor della California o sulle barriere coralline".

Le tendenze che hanno visto hanno suggerito un maggiore successo di conservazione. "Col tempo, c'è molta meno incertezza nella valutazione del sentimento negli studi, e vediamo che i progetti di reintroduzione hanno più successo, e questo è un grande vantaggio, " dice. "Guardando migliaia di studi, sembra che stiamo migliorando, e questo è incoraggiante".

"Se vogliamo massimizzare i nostri dollari per la conservazione, quindi dobbiamo essere in grado di valutare rapidamente cosa funziona e cosa no, ", afferma il coautore dello studio Lucas Joppa, Chief Environmental Officer presso Microsoft. "Apprendimento automatico, e l'elaborazione del linguaggio naturale in particolare, ha la capacità di vagliare i risultati e far luce su storie di successo da cui gli altri possono imparare."

Per garantire che i loro risultati fossero accurati, i ricercatori hanno esaminato gli indicatori più comuni di sentimento positivo (e quindi di successo di conservazione) nei loro risultati e hanno trovato parole come "successo, " "proteggere, " "crescita, " "sostegno, " "aiuto, " e "beneficio"; le parole che indicavano un sentimento negativo erano parole come "minacciare, " "perdita, " "rischio, " "minaccia, " "problema, " e "uccidere." Queste parole erano allineate con ciò che loro, come biologi della conservazione di lunga data, userebbero tipicamente per indicare successo e fallimento nei propri studi. Hanno anche scoperto che le tendenze descritte dall'analisi del sentiment per specifici programmi di reintroduzione noti per essere successi o fallimenti (come la reintroduzione del condor della California) corrispondevano ai risultati noti.

I ricercatori affermano che l'analisi del sentiment standard ha funzionato sorprendentemente bene per loro, probabilmente perché molte parole usate nella biologia della conservazione fanno parte del nostro lessico quotidiano e sono state quindi accuratamente codificate con il sentimento appropriato. In altri campi, pensano che sarebbe necessario più lavoro per sviluppare e addestrare un modello in grado di codificare con precisione il sentimento di più tecnici, linguaggio e sintassi specifici del campo. Un altro vincolo, dicono, è che solo un numero limitato dei documenti che hanno cercato di analizzare erano ad accesso aperto, il che significava che dovevano valutare abstract piuttosto che documenti completi. "Stiamo davvero solo grattando la superficie qui, ma questo è sicuramente un passo nella giusta direzione, "dice Van Houtan.

Ancora, pensano che questa sia una tecnica che può e dovrebbe essere applicata più ampiamente sia nella biologia della conservazione che in altri campi per dare un senso alla grande quantità di ricerca che viene ora condotta e pubblicata. "Così tanto lavoro di conservazione locale passa inosservato alla comunità di conservazione globale, e questo documento mostra come l'apprendimento automatico può aiutare a colmare questa lacuna di informazioni, "dice Ioppa.

"Molte di queste tecniche sono in uso da oltre un decennio in ambienti commerciali, ma speriamo di tradurli in contesti come il nostro per combattere il cambiamento climatico o l'inquinamento da plastica o per promuovere la conservazione delle specie in via di estinzione, " Van Houtan dice. "C'è una pletora di dati che sono a portata di mano, ma è questo gigante addormentato perché non è adeguatamente curato o organizzato, che rende difficile l'analisi. Vogliamo connettere le persone con idee, capacità, e soluzioni tecniche che altrimenti non potrebbero incontrare, quindi possiamo portare qualche progresso a questi problemi apparentemente intrattabili".