Poljoprivreda, ali i cijeli naš ekosustav, uključujući hranu koju jedemo i zrak koji udišemo, ovisi o pčelama i njihovom oprašivanju oprašivače. Međutim, broj pčela oprašivača drastično pada. No, što ako se umjetna inteligencija, IoT i Big Data udruže i porade na tome problemu?
Zbog čega pčelama prijeti izumiranje?
Prema izvješću Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services (IPBES), oprašivači (polinatori) su u opasnosti. Mnogo je razloga zbog kojih se oprašivači tjeraju na izumiranje, uključujući uništavanje staništa, urbanizaciju, upotrebu pesticida, zagađenje, usitnjavanje prirodnih cvjetnih staništa, grabežljivaca i parazita te promjenu klime. Međutim, donedavno, osim The World Bee Projecta nije postojala globalna inicijativa za proučavanje populacija pčela ili za istraživanje i rješavanje problema na globalnoj razini.
Zašto je važno spasiti pčele?
Jeste li znali da su pčele, zajedno s drugim oprašivačima, poput leptira, razlog zbog kojeg biljke mogu proizvoditi sjeme i razmnožavati se? Prema Ministarstvu poljoprivrede Sjedinjenih Država (USDA), pčele pomažu u oprašivanju 90% vodećih svjetskih usjeva, uključujući voćke, kavu, vaniliju i druge. Ako oprašivači nisu živi ili zdravi da bi mogli raditi svoj posao, naša globalna proizvodnja usjeva, sigurnost hrane, biološka raznolikost i čisti zrak su u opasnosti. Medonosne pčele su najvažniji oprašivači na svijetu. Čak 40 posto globalne opskrbe hranjivih sastojaka za ljude ovisi o oprašivačima.
Kako tehnologija može spasiti pčele?
Kako bi se tehnologija mogla koristiti za spašavanje pčela? Na sličan način kao što se primjenjuje na druge inovativne projekte. Prvo, korištenjem senzora, uključujući mikrofone i kamere koji mogu vidjeti invazivne grabežljivce i prikupljati podatke od pčela i košnica. Jedna od ključnih metrika zdravlja košnice su zvukovi koje ona proizvodi. Presudno za prikupljanja podataka je “slušanje” košnica kako bi se utvrdilo zdravlje, snaga i ponašanje kolonije, kao i prikupljanje temperature, vlažnosti, vremenskih uvjeta na pčelinjaku i težine košnice. Na primjer, senzori zvuka i vida mogu otkriti stršljene, što može biti prijetnja pčelama.
Zatim algoritmi umjetne inteligencije rade na analizi podataka. Algoritmi će tražiti obrasce i pokušati predvidjeti ponašanje košnice, na primjer ako se priprema za rojenje. Zatim se uvidi dijele s pčelarima kako bi pokušali zaštititi košnice. Zvuk krilca ili stršljena razlikuje se od zvuka pčela, a AI ga može automatski pokupiti i upozoriti pčelare na prijetnju stršljena. Obzirom da se radi o globalno povezanoj mreži, algoritmi također mogu naučiti više o razlikama u pčelinjim društvima u različitim dijelovima svijeta.