Manapság több környezeti problémát próbálnak mélytanulással (deep learning) megoldani. Osztrák kutatók például szúfélék káros németországi „invázióját” jelezték előre. A New Yorki Columbia Egyetemen madarak énekének felismerésére tanítottak be egy modellt, amelyet az éghajlatváltozás madárvándorlásra gyakorolt hatásának vizsgálatára és tudományos kiértékelésére használnak.

Az óceánok változatos ökoszisztémáit sokkal nehezebb látni, mint a szárazföldek erdőit, sivatagjait, szavannáit tb. Az MIT (Massachusetts Institute of Technology) és a Harvard kutatói a környezetszennyezés, invazív fajok és a klímakatasztrófa miatt emelkedő hőmérséklet által veszélyeztetett vízalatti élet mintázatainak megismerésében segítő új modellt dolgoztak ki.

A tudósok ideghálókkal frissítették az ezekről az ökoszisztémákról készült térképeket. Felügyelet nélküli tanulást használva azonosították a különböző planktonfajok és táplálékaik közötti kapcsolatokat.

Az adatokat az MIT Darwin Projektjének planktonpopulációt megjelenítő szimulációjából gyűjtötték össze. A klaszterező algoritmussal dolgozó modell azokon a területeken rajzolt meg határvonalakat, ahol a planktonok és táplálékaik között magasszintű függőségi viszonyok mutathatók ki.

A modell végül 115 egyedi ökológiai területet generált. A planktonok és a tápanyagaik közötti egyensúly mindegyikben különbözik. A kutatók 12 ökorégióba csoportosították ezeket a területeket.

A csoportosítás a régiókban fellelhető élet alapján történt. A tápanyagszegények vízi sivatagokat alkotnak, míg a partokhoz közeli, tápanyagokban gazdag régiók biológiai sokszínűsége az esőerdőkéhez hasonló.

A modell előrejelzései összhangban állnak a tudományos megfigyelések méréseivel és a műholdas adatokkal.

A térkép azért fontos, mert mikroorganizmusoktól a bálnákig a filoplankton a vízi élővilág tápláléka, és a Föld oxigénjének a felét termeli. Emellett a légkörből döbbenetes mennyiségű szenet nyel el. Ezek a modellek sokat segíthetnek a bolygó életfenntartó kapacitását mérő óceánkutatóknak.