Kecerdasan Buatan Bantu Ungkap Jutaan Spesimen Tanaman
Para peneliti menggunakan kecerdasan buatan untuk membantu membuka data jutaan spesimen tanaman yang disimpan di herbarium di seluruh dunia. Hal ini memungkinkan untuk melihat respons tanaman terhadap perubahan iklim.
Oleh
PRADIPTA PANDU
·3 menit baca
JAKARTA, KOMPAS — Kecerdasan buatan dimanfaatkan untuk berbagai keperluan, termasuk konservasi flora atau tanaman. Terbaru, para peneliti menggunakan kecerdasan buatan dan pembelajaran mesin untuk membantu membuka data jutaan spesimen tanaman yang disimpan di herbarium di seluruh dunia.
Melalui data ini, peneliti dapat mempelajari sekaligus menanggulangi dampak perubahan iklim terhadap flora. Penggunaan kecerdasan buatan (AI) untuk mengungkap jutaan spesimen tanaman dilakukan para peneliti dari University of New South Wales (UNSW), Australia.
Laporan lengkap studi ini telah diterbitkan di American Journal of Botany, 12 April 2023. Para peneliti menggunakan algoritma pembelajaran mesin baru untuk memproses lebih dari 3.000 sampel daun.
Tim peneliti kemudian menemukan bahwa sampel daun tersebut bertentangan dengan pola antarspesies yang sering diamati. Bahkan, ukuran daun tidak bertambah pada iklim yang lebih hangat dalam satu spesies.
Penelitian ini mengungkapkan bahwaterdapat berbagai faktor selain iklim yang memengaruhi ukuran daun dalam spesies tanaman. Di sisi lain, penelitian sekaligus menunjukkan bagaimana AI dapat digunakan untuk mengubah koleksi spesimen statis dan sangat efektif dalam mendokumentasikan efek perubahan iklim pada tanaman.
”Koleksi herbarium adalah kapsul waktu yang luar biasa dari spesimen tanaman. Setiap tahun lebih dari 8.000 spesimen ditambahkan ke National Herbarium of New South Wales.Jadi, menganalisis tanaman ini tidak mungkin lagi dilakukan secara manual,” ujar penulis utama studi tersebut, Will Cornwell, dikutip dari situs resmi UNSW, Jumat (23/6/2023).
Herbaria adalah perpustakaan ilmiah spesimen tanaman yang telah ada sejak abad ke-16.Sejak beberapa tahun lalu, sejumlah pihak telah melakukan transfer koleksi tanaman secara daring untuk membantu memfasilitasi penelitian ilmiah ke depan.
”Koleksi herbarium dikunci dalam kotak kecil di tempat tertentu, tetapi semua akses sekarang sudah dalam dunia digital. Jadi, untuk mendapatkan informasi tentang semua spesimen yang kini tersebar di seluruh dunia, terdapat upaya memindai spesimen guna menghasilkan salinan digital beresolusi tinggi,” tutur Cornwell.
Proyek pencitraan herbarium terbesar dilakukan di Kebun Raya Sydney. Proyek tersebut telah mencitrakan lebih dari satu juta spesimen tanaman di Herbarium Nasional New South Wales dan diubah menjadi gambar digital beresolusi tinggi.
Setiap tahun lebih dari 8.000 spesimen ditambahkan ke National Herbarium of New South Wales. Jadi, menganalisis tanaman ini tidak mungkin lagi dilakukan secara manual.
Cornwell dan peneliti dari Kebun Raya Sydney, Jason Bragg, menciptakan algoritma yang dapat diotomatisasi untuk mendeteksi dan mengukur ukuran daun sampel herbarium yang dipindai untuk dua genera tanaman. Tanaman tersebut adalah Syzygiumatau dikenal sebagai lillipilliesdan Ficusyang merupakan genus dari sekitar 850 spesies pohon berkayu.
Teknologi tersebut merupakan jenis AI yang disebut jaringan saraf convolutionalataucomputer vision. Proses tersebut pada dasarnya mengajarkan AI untuk melihat dan mengidentifikasi komponen tumbuhan dengan cara yang sama seperti manusia.
”Saya bersemangat untuk bekerja dengan Profesor Cornwell dalam mengembangkan model untuk mendeteksi daun pada gambar tumbuhan.Kemudian kumpulan data besar tersebut dapat digunakan untuk mempelajari hubungan antara ukuran daun dan iklim,” tutur Bragg.
Meski tidak sempurna secara piksel, penggunaan AI dapat memberikan tingkat akurasi yang sesuai untuk memeriksa hubungan antara sifat daun dan iklim.Selain itu, algoritma dapat dikembangkan untuk mengidentifikasi suatu tren yang tidak dapat diamati langsung oleh manusia, seperti respons tanaman terhadap perubahan iklim.
”Mengingat dunia berubah cukup cepat dan ada begitu banyak data, metode pembelajaran mesin semacam ini dapat digunakan untuk mendokumentasikan efek perubahan iklim secara efektif,” kata Cornwell.