الگوریتم یادگیری ماشینی همگرایی پروانه ها را شناسایی میکند

الگوریتم یادگیری ماشینی همگرایی پروانه ها را شناسایی میکند

یک الگوریتم یادگیری ماشینی نشان داد که پروانه های همگرا ویژگی های بدنی از قبیل شکل و الگوی بال را از یکدیگر قرض می گیرند. و از آنها برای تولید ویژگی های جدید در طول زمان استفاده می کنند. دانشمندان سعی کردند مدلی را بنام تقلید مولر انجام دهند. که پیشنهاد می کند گونه ها گاهی اوقات از یکدیگر برای رسیدن به مزایای متقابل استفاده می کنند. به عنوان مثال ، اگر حشرات شبیه به هم باشند. یک شکارچی ممکن است یک پروانه خوراکی را اشتباه ببخشد. که اثر شکار را روی هر دو گونه نرم می کند. در گذشته ، تعیین کمیت شباهت فنوتیپی دشوار بود و از این طریق این تئوری را آزمایش می کرد.

“جنیفر هویل کتیل” ، زیست شناس تکاملی می گوید: “یادگیری ماشین به ما امکان ورود به عصر جدید فنوتیکی را می دهد. که در آن می توانیم فنوتیپهای بیولوژیکی را تجزیه و تحلیل کنیم؟ در واقع چه گونه ای شبیه آن است؟ آیا مقیاسی قابل مقایسه با داده های ژنومی است.” مواضع مشترک در دانشگاه کمبریج ، دانشگاه اسکس ، و انستیتوی فناوری توکیو ، در بیانیه ای. محققان پس از آموزش الگوریتم ButterflyNet خود بر روی 2400 عکس پروانه های Heliconius. دریافتند که این حشرات هر دو از نزدیک یکدیگر را کپی می کنند و از وام های قرض گرفته صفات کاملاً جدید تولید می کنند ، بنابراین تنوع بیولوژیکی ایجاد می کنند.

J.F.H. Cuthill و همکاران ، “یادگیری عمیق در فنوتیپ های پروانه ای قدیمی ترین مدل ریاضی تکامل را آزمایش می کند” ، doi: 10.1126 / sciadv.aaw4967 ، Sci Adv، 2019.

ارسال نظر

آدرس ایمیل شما منتشر نخواهد شد.