در اکولوژی زیستی، میلیون‌ها گونه از موجودات مختلف با هم تعامل دارند. اکو سیستم‌ها اغلب آشفته به نظر می‌رسند یا حداقل برای کسی که سعی دارد آن‌ها را درک کند و آینده را پیش‌بینی کند، این‌گونه بنظر می‌رسد.
هوش مصنوعی و یادگیری ماشین قادرند تا الگوها را شناسایی کرده و نتایج را به روش‌هایی که اغلب شبیه استدلال انسانی هستند پیش‌بینی کنند. آن‌ها راه را برای همکاری‌های بیشتر و قدرتمند بین انسان‌ها و کامپیوترها هموار می‌کنند. در هوش مصنوعی، روش‌های محاسباتی تکاملی به تقلید از برخی از فرآیندهای تکامل گونه‌های جهان طبیعی تکرار می‌شوند. یک روش خاص به نام رگرسیون نمادین امکان تکامل فرمول‌های تفسیری را فراهم می‌کند که قوانین طبیعی را توضیح می‌دهند.
ما از رگرسیون سمبلیک استفاده کردیم تا نشان دهیم کامپیوترها قادر به استنتاج فرمول‌هایی می‌باشندکه نمایانگر نحوه رفتار اکوسیستم‌ها و گونه‌ها در فضا و زمان هستند. این فرمول‌ها بسیار ساده هستند . آن‌ها راه را برای قوانین کلی در اکولوژی هموار می‌کنند، چیزی که اغلب روش‌های هوش مصنوعی نمی‌توانند انجام دهند. با کمک روش رگرسیون نمادین، یک تیم میان رشته‌ای از فنلاند، پرتغال و فرانسه توانستند توضیح دهند که چرا بعضی گونه‌ها در برخی مناطق وجود دارند و یا چرا بعضی مناطق بیشتر از بقیه گونه‌های بخصوصی را در خود جای داده‌اند.
به عنوان مثال محققان برای یافتن یک مدل کلی جدید که توضیح می‌دهد چرا برخی جزایر گونه‌های بیشتری نسبت به سایر جزایر دارند، یک مدل کلی جدید را ایجاد نمودند. جزایر اقیانوسی یک چرخه حیات طبیعی دارند که از آتش فشان بیرون می‌آیند و پس از میلیون‌ها سال با فرسایش به زیر آب می‌روند.
Vasco Branco ، دانشجوی دکترا که در زمینه اتوماسیون ارزیابی خطر انقراض در دانشگاه هلسینکی کار می‌کند، می گوید: “توضیحات کاملا مفهوم بود، چند فرمول از قبل وجود داشته است، اما ما توانستیم فرمول های جدیدی را پیدا کنیم که تحت شرایط خاص بهتر از فرمول‌های موجود عمل کنند.”
این تحقیق پیشنهاد می‌کند که هوش مصنوعی یک زمینه برای اکتشاف و ترویج همکاری بین انسان‌ها و ماشین‌آلات است. لوئیس کوریا، استاد علوم کامپیوتر در دانشگاه لیسبون، می‌گوید: “تکامل معادلات فرم آزاد صرفاً از داده‌ها، غالباً بدون استنباط قبلی یا فرضیه‌های انسانی، ممکن است ابزاری بسیار قدرتمند در مجموعه یک رشته پیچیده‌ای مانند محیط زیست باشد.”
