Un Nuovo Modello AI per Comprendere le Interazioni Predatore-Preda
Negli ultimi anni, la ricerca sui comportamenti predatori ha fatto passi da gigante grazie all’uso della tecnologia. Un gruppo di scienziati ha sviluppato un modello di intelligenza artificiale (AI) capace di analizzare i suoni prodotti dai predatori mentre masticano il cibo, identificando così esattamente cosa stanno mangiando. Questo strumento all’avanguardia è stato addestrato con registrazioni audio delle razze chiodate (whitespotted eagle rays) che rompono i gusci dei molluschi durante la loro alimentazione.
Comprendere le interazioni tra predatori e prede è fondamentale per studiare le risorse di cui i predatori hanno bisogno e la pressione che esercitano sulle popolazioni delle prede. Con questa innovazione, gli scienziati possono ora rispondere a domande cruciali riguardanti la dieta di questi fascinanti animali marini.
Dieta delle Razze Chiodate: Nuove Scoperte Attraverso i Suoni
Qual è il menu di un’aquila di mare? Grazie a un modello di intelligenza artificiale, ora possiamo avere risposte più dettagliate ascoltando i suoni prodotti mentre si nutrono. Matt Ajemian, ricercatore assistente presso il Harbor Branch Oceanographic Institute della Florida Atlantic University, è stato parte integrante di questo progetto. Ha affermato che molti animali marini possiedono la straordinaria capacità di rompere i gusci, ma fino ad ora non si conosceva il volume del loro consumo alimentare.
Il team ha sviluppato un algoritmo di machine learning per rilevare il rumore dei gusci che vengono rotti dai predatori mentre si nutrono di molluschi. Secondo uno studio pubblicato sulla rivista Ecological Informatics, questo modello è in grado di riconoscere la preda in base ai suoni emessi.
Per monitorare queste interazioni predatore-preda, specialmente in ecosistemi marini in rapido cambiamento, è essenziale raccogliere informazioni su cosa e quanto mangiano i grandi predatori. Aieman ha sottolineato l’importanza di conoscere la quantità di prede rimosse da un predatore in un determinato periodo.
Raccogliere questi dati risulta complesso, poiché il monitoraggio dei predatori sott’acqua rappresenta una sfida significativa. Anche quando si utilizzano sensori e telecamere montati sugli animali, gli scienziati trovano difficile osservare cosa stanno mangiando, soprattutto quando la sabbia viene sollevata durante l’alimentazione. In passato, i ricercatori hanno anche catturato animali per esaminare il contenuto dei loro stomaci, ma questo metodo risulta invasivo e spesso poco efficace, poiché non sempre fornisce informazioni complete.
Per questo motivo, Ajemian e il suo team si sono concentrati sui suoni distintivi prodotti durante la rottura dei gusci.
Il Progetto di Ricerca e i Risultati
L’esperimento è stato condotto in un ambiente controllato, utilizzando razze chiodate (genere Aetobatus) note per la loro abilità nel rompere i gusci delle prede. I ricercatori hanno fornito ai predatori quantità e dimensioni note di prede, raccogliendo successivamente l’audio corrispondente. Per convalidare la loro ricerca, hanno anche realizzato esperimenti nell’oceano al largo della costa della Florida, ponendo cozze e lumache davanti a telecamere e registratori audio.
Analizzando i dati raccolti, il team ha scoperto di poter differenziare le prede in base ai suoni e al tempo necessario affinché il predatore elaborasse il cibo. Ad esempio, i raggi chiodati impiegano più tempo a mangiare una cozza, poiché devono separare i gusci dalla carne, rispetto a una lumaca, che richiede solo la rottura di un punto di attacco.
Il team ha anche utilizzato biologgers per monitorare gli animali, consentendo loro di udire e vedere il momento in cui il predatore afferrava e rompeva la preda.
Il modello è stato addestrato per identificare i suoni di rottura dei gusci e distinguere questi suoni dal rumore ambientale. Sorprendentemente, non è stato necessario utilizzare un’intelligenza artificiale molto avanzata per effettuare queste rilevazioni. Ajemian ha affermato che i metodi che hanno richiesto meno potenza computazionale sono stati ugualmente efficaci, il che indica che questo strumento potrebbe diventare accessibile a un numero maggiore di scienziati, risultando meno impegnativo in termini di risorse.
Nel futuro, il team prevede di ampliare la ricerca ad altri predatori, come granchi, e applicare la metodologia ai dati raccolti da dispositivi autonomi sugli animali. Ajemian ha dichiarato che intendono analizzare registrazioni a lungo termine in habitat marini per estrapolare informazioni riguardanti quando e dove si rompono i gusci.
La ricerca è stata pubblicata su Ecological Informatics e rappresenta un passo avanti significativo nella comprensione delle dinamiche predatorie nei sistemi marini. Per ulteriori dettagli, si può consultare il lavoro di Ajemian et al. 2026.
Fonti:
- Ajemian, M. et al. (2026). Ecological Informatics, 103795. DOI: 10.2139/ssrn.5547167
- Mongabay, Interviste e Rapporti Scientifichi.
Non perderti tutte le notizie di green su sicilianews24.it
