27 miljoner till SLU-forskare för att stresstesta naturvårdspolitiken med hjälp av AI
Många naturvårdsinsatser får inte den effekt som var tänkt eftersom de leder till konflikter eller saknar stöd. Nu kan SLU-forskaren Guillaume Chapron tack vare forskningsanslag på 27 miljoner kronor utveckla en metod för att stresstesta naturvårdspolitik innan den används i verkligheten.
Guillaume Chapron, forskare vid institutionen för ekologi, har fått cirka 27 miljoner (2,5 miljoner euro) från Europeiska forskningsrådet (European Research Council, ERC). Det är EU:s främsta finansieringsorgan för framstående forskning. SLU har tidigare fått finansiering från ERC, men Guillaume Chapron är den första vid universitetet som beviljas ett ERC Advanced Grant. Bidraget riktar sig till etablerade forskningsledare som vill genomföra banbrytande och ambitiösa projekt. Inom ERC:s utlysning för ”Advanced grant” 2025 utvärderades 3 240 förslag, varav 317 valdes ut för finansiering inom alla discipliner och i alla EU-länder.
- Målet är att skapa en generell metod som gör det möjligt att stress-testa naturvårdspolitiken innan den verkställs. Tack vare den snabba utvecklingen inom artificiell intelligens går det nu att bygga modeller som bättre fångar mänskligt beteende, värderingar, konflikter och politiska processer, säger Guillaume Chapron.
Misslyckas att skydda biologisk mångfald
Den biologiska mångfalden fortsätter att minska trots alla internationella överenskommelser och artskyddsåtgärder. Misslyckanden kan bero på bristande kunskap om arternas ekologi, men ofta handlar det om hur människor påverkas av och reagerar på olika åtgärder. Åtgärden kan skapa sociala konflikter, sakna lokal förankring, möta organiserat motstånd från olika intressen eller till och med utnyttjas politiskt av skäl som inte har något med naturvården att göra.
- Det finns sofistikerade modeller för att förutsäga komplexa ekologiska processer men betydligt färre verktyg som kan identifiera när naturvårdsåtgärder riskerar att utlösa negativa socio-politiska återkopplingseffekter som kan undergräva naturvårdsmålen, säger Guillaume Chapron.
Skapa aktörer med AI
Han ska använda stora språkmodeller (LLM:er) som får spela olika roller – exempelvis ministrar, intressegrupper som lantbrukare, jägare eller miljöorganisationer, medier och EU-kommissionen – i avancerade simuleringsspel. Genom att låta dessa aktörer interagera i tusentals simuleringar ska han försöka identifiera hur och varför naturvårdspolitik misslyckas, så att den kan förbättras innan den används i verkligheten.
Denna logik bakom stresstester är hämtad från industrin, där en process – till exempel flygresor – har större sannolikhet att lyckas om den upprepade gånger klarar av att misslyckas.
Aktörerna byggs upp med hjälp av ett omfattande underlag från medier, myndighetsdokument, forskningsartiklar, intresseorganisationer, opinionsundersökningar och beslut från domstolar.
- Jag och mina kollegor har redan byggt upp en databas med domstolsavgöranden om artskydd i EU-länderna. De visar vilka argument och positioner olika aktörer har haft i verkliga konflikter. Vi har dessutom genomfört en omfattande opinionsundersökning bland 10 000 respondenter i EU om naturvård”, säger Guillaume Chapron.
Han bygger också in slumpmässighet i aktörernas beteende, olika personlighetstyper och oväntade händelser.
Varg, björn och lo i fokus
Projektet är inriktat mot på fallstudier av varg, lo, brunbjörn och visent i EU-länder. Alla dessa fall har sin grund i uppmärksammade naturvårdsfrågor som präglas av kontroversiell politik.
- De flesta av fallen handlar om stora rovdjur. Det funkar bra att bygga modellen runt eftersom de är karismatiska och får mycket uppmärksamhet, säger Guillaume Chapron.
Guillaume Chapron har forskat om stora rovdjur i mer än 20 år, ofta med tvärvetenskapliga angreppssätt. I det nya projektet ska han bygga upp ett forskningsteam med kompetens inom AI, simulering samt socioekonomiska och politiska analyser.
Kontakt
-
PersonAnna Lundmark, Kommunikatör, SciFest-ansvarigInstitutionen för ekologi, gemensam personal/kansli
-
Person