Session I: Astrid Holm Andersen - Deep dark diversity: AI-baserede sprogmodeller forudsiger de manglende arter

Århundreders menneskelig påvirkning har skabt en global biodiversitetskrise. For effektivt at kunne planlægge, hvordan vi forvalter naturen for at stoppe tabet af arter, er der et stort behov for modeller, som kan forudsige, hvordan artssamfund kan forventes at udvikle sig under forskellige forvaltningsscenarier, hvordan de responderer på specifikke miljøpåvirkninger og hvor potentialet for biodiversitet er størst. Det findes der i dag ikke gode værktøjer til. AI-baserede sprogmodeller udgør en potentiel løsning, som kan gøre os klogere på, hvilke arter, der ofte forekommer sammen baseret på komplekse og indbyrdes forbundne forhold som traditi onelle metoder ofte overser eller forenkler. Logikken fra sprogmodeller betragter arter som unikke ord i et sprog og grupperinger af disse arter som meningsfulde enheder (artssamfund) ligesom sætninger i en tekst. I dette oplæg vil jeg præsentere, hvordan man træner sprogmodeller til at lære dette unikke sprog, og hvilke retninger det kan føre os i. Jeg drager paralleller til dark diversity konceptet, og hvordan de to ting sammen kan forbedre vores evne til at målrette og planlægge genopretning og forvaltning af naturarealer.