3.01 ВИ и еколошко знање

Дефинисање система еколошког знања

У дискурсу о очувању животне средине често доминирају квантитативни токови података са сателита, сензора и сложених климатских модела. Иако је неопходан, овај приступ може занемарити извор еколошке мудрости: локално и традиционално еколошко знање. Ово знање, које укључује оно што се често назива традиционалним еколошким знањем (TEK – Traditional Ecological Knowledge), далеко је од пуког фолклора. То су нагомилано знање и пракса, који се развијају кроз адаптивне процесе и често се преносе кроз генерације. Оно представља живи систем разумевања сложених односа између људи и њихове животне средине.

Пројекти који имају за циљ очување нематеријалног културног наслеђа везаног за специфичне екосистеме суштински су ангажовани у раду на очувању овог локалног знања. Ово знање се не налази увек у уџбеницима, већ у усменим предањима становника. То је разумевање како читати суптилне знаке реке, тј.  боју воде, понашање птица итд. да би се знало где ће бити рибе. То је знање о томе које биљке имају лековита својства, како практиковати одрживу пољопривреду у специфичној микроклими, или како тумачити небеске и атмосферске обрасце за предвиђање времена. Овај облик знања је локално утемељен, снажно условљен контекстом и заснован на односима. Истовремено, пружа свеобухватан поглед на свет.

Синергија два система знања

На први поглед, светови вештачке интелигенције (ВИ) и локалног еколошког знања могу изгледати супротстављени. ВИ ради на алгоритмима, рачунарској логици и статистичкој анализи огромних, често деконтекстуализованих скупова података. Насупрот томе, локално знање је укорењено у квалитативном посматрању, међугенерацијској мудрости и интуитивном разумевању изграђеном из континуиране интеракције са специфичним окружењем. Пажљивијим сагледавањем, међутим, открива се снажан потенцијал за синергију. Спој ова два различита начина стицања знања има за циљ да повеже аналитичку снагу вештачке интелигенције са временом доказаном мудрошћу заједница, обликованом у локалној традицији.

Ова интеграција може се замислити кроз оквире који стварају синергију између вештачке интелигенције и локалних система знања. Она користи могућности машинског учења за анализу сложених еколошких података, док истовремено укључује локално знање како би се обезбедило да праксе буду еколошки одрживе и културно релевантне. Способност вештачке интелигенције за препознавање образаца, анализу података и предиктивно моделирање може допунити и проширити домет и утицај локалног знања у суочавању са савременим еколошким изазовима. На пример, вештачка интелигенција може анализирати обимне скупове података који обухватају еколошка запажања, традиционалне индикаторе животне средине и климатске податке, како би идентификовала угрожене екосистеме, предвидела промене у животној средини и оптимизовала мере заштите.

Ова синергија превазилази једноставну архивску функцију. Није реч само о коришћењу вештачке интелигенције за чување локалног знања, већ о стварању хибридног начина разумевања који може генерисати нове увиде, недостижне ако се системи посматрају изоловано. Узмимо практичан пример. Локално знање може садржати показатељ као што је: „Река ће вероватно поплавити када одређена врста птице полети дубље у копно него иначе.” То је драгоцен, дугорочан и контекстуално специфичан податак. Истовремено, научни инструменти пружају квантитативне податке, попут сателитских снимака који показују топљење снега на удаљеним планинама или мерења сензора која бележе пораст нивоа реке.

Модел ВИ може бити обучен на свим овим различитим токовима података. Кроз машинско учење, модел може научити да повеже индикатор локалног знања (попут специфичног понашања птица) са квантитативним подацима са сензора и сателита. Модел би могао открити да је понашање птица поузданији рани индикатор одређене врсте бујичне поплаве него само сателитски подаци, који могу имати дуже кашњење. Резултат је развој локално прилагођеног и ефикаснијег система за рано упозоравање. Крајњи исход може бити значајнија промена: од пасивног очувања локалног знања ка његовој активној операционализацији унутар савремених научних оквира, стварајући отпорније стратегије управљања животном средином.

Улога вештачке интелигенције у документацији и анализи

Почетни корак у овом процесу је документација и анализа локалног знања, које често постоји у усменом или наративном облику. ВИ нуди алате за помоћ у овој кључној фази. Основна активност многих пројеката које иницира заједница је прикупљање усмених сведочанстава од становника. Транскрипти ових интервјуа представљају богат, али неструктуриран извор квалитативних података. ВИ, посебно кроз обраду природног језика (NLP – Natural Language Processing), може се користити за систематску анализу овог текста. Технике потпомогнуте вештачком интелигенцијом, попут тематске анализе, могу брзо обрадити велике количине транскрипата интервјуа како би идентификовале и категорисале кључне теме (као што су понављајућа помињања промена у току реке, историјска распрострањеност одређених врста риба или традиционалне праксе управљања земљиштем). Ово аутоматизује део процеса квалитативне анализе који би иначе захтевао огроман физички напор, омогућавајући истраживачима да ефикасније лоцирају критичне области еколошког знања унутар документованог наратива.

Ова примена није јединствена за речне екосистеме. Паралелне употребе вештачке интелигенције појављују се у области етнобиологије. Истраживачи користе вештачку интелигенцију за анализу огромних скупова података о медицинској употреби биљака, што помаже у класификацији врста, предвиђању нових терапеутских примена и валидацији традиционалних медицинских тврдњи пронађених у историјским текстовима и усменим предањима. Како у етноботаници тако и у документацији локалног знања везаног за реке, ВИ служи као аналитички алат који помаже у структурирању, тумачењу и откључавању вредности садржане у системима традиционалног знања, припремајући га за интеграцију са другим облицима научних података.