**ابزار تصویری شگفت‌انگیز برای کشف نشانه‌های تغییر اقلیم**

ابزار جدید هوش مصنوعی برای تحلیل تصاویر حیات وحش

یک مطالعه نشان می‌دهد که ابزار جدید هوش مصنوعی می‌تواند به توسعه الگوریتم‌هایی کمک کند که تصاویر حیات وحش را تحلیل کرده و درک بهتری از نحوه واکنش گونه‌های مختلف به تغییرات آب و هوایی در سراسر جهان فراهم کند. این پیشرفت می‌تواند به دانشمندان کمک کند تا الگوریتم‌های جدید مبتنی بر هوش مصنوعی ایجاد کنند که قادر به انجام تحلیل‌های سریع و عمیق از میلیون‌ها تصویر حیات وحش هستند که هر ساله توسط عموم مردم به اینترنت بارگذاری می‌شوند.

به گفته محققان، این ابزارها می‌توانند بینش‌های کلیدی درباره تأثیرات تغییرات آب و هوایی، آلودگی، از دست رفتن زیستگاه‌ها و سایر فشارها بر ده‌ها هزار گونه گیاهی و جانوری ارائه دهند. وب‌سایت‌های علم شهروندی می‌توانند منبع غنی از اطلاعات درباره نحوه واکنش حیوانات و گیاهان به تغییرات آب و هوایی باشند. با این حال، با وجود اینکه الگوریتم‌های هوش مصنوعی موجود می‌توانند به‌طور خودکار گونه‌ها را در تصاویر بارگذاری‌ شده شناسایی کنند، مشخص نیست که آیا می‌توانند اطلاعات دیگری نیز ارائه دهند یا خیر.

اکنون، یک تیم بین‌المللی از دانشمندان ابزاری جدید ایجاد کرده‌اند تا بررسی کنند که الگوریتم‌های هوش مصنوعی چقدر می‌توانند از بانک‌های تصویری اطلاعات استخراج کنند. این اطلاعات می‌تواند شامل جزئیاتی مانند آنچه گونه‌ها می‌خورند، وضعیت سلامتی آن‌ها و تعاملات آن‌ها با سایر گونه‌ها باشد. این ابزار که INQUIRE نام دارد، توانایی هوش مصنوعی را در استنتاج از بانک تصویری شامل پنج میلیون عکس حیات وحش که در وب‌سایت علم شهروندی iNaturalist بارگذاری شده، اندازه‌گیری می‌کند.

تیم تحقیقاتی دریافت که الگوریتم‌های هوش مصنوعی فعلی قادر به پاسخگویی به برخی از این نوع سوالات هستند، اما در پاسخ به سوالات پیچیده‌تر ناکام می‌مانند. این سوالات شامل مواردی است که نیاز به استدلال درباره ویژگی‌های کوچک درون تصاویر دارند و همچنین سوالاتی که شامل اصطلاحات علمی دقیق هستند.

فرصت‌های جدید برای توسعه الگوریتم‌های هوش مصنوعی

یافته‌ها نشان می‌دهد که فرصت‌هایی برای توسعه الگوریتم‌های جدید هوش مصنوعی وجود دارد که می‌تواند به دانشمندان کمک کند تا به‌طور مؤثری به کاوش در مجموعه‌های وسیع تصاویر بپردازند. این یافته‌های بررسی‌شده توسط همتایان در کنفرانس NeurIPS، یکی از کنفرانس‌های پیشرو در زمینه یادگیری ماشین، ارائه خواهد شد. این تیم شامل پژوهشگرانی از دانشگاه ادینبرو، کالج دانشگاهی لندن، دانشگاه UMass آمهرست، iNaturalist و مؤسسه فناوری ماساچوست (MIT) بود. این کار بخشی از حمایت‌های آزمایشگاه هوش مصنوعی تولیدی دانشگاه ادینبرو بوده است.

نقش تصاویر حیات‌وحش در تحقیقات علمی

دکتر اویسین مک آودا، از دانشکده اطلاعات دانشگاه ادینبرو، گفت: “هزاران عکس حیات‌وحش که هر روز به اینترنت بارگذاری می‌شوند، بینش‌های ارزشمندی را درباره مکان‌های مختلفی که گونه‌های گوناگون می‌توانند در زمین یافت شوند، به دانشمندان ارائه می‌دهند. با این حال، دانستن اینکه چه گونه‌ای در یک عکس وجود دارد، تنها نوک کوه یخ است.”

او افزود: “این تصاویر به‌طور بالقوه یک منبع بسیار غنی هستند که هنوز به‌طور عمده مورد استفاده قرار نگرفته‌اند. توانایی جستجو سریع و دقیق در این ثروت اطلاعات می‌تواند سرنخ‌های حیاتی درباره چگونگی واکنش گونه‌ها به چالش‌های چندوجهی مانند تغییرات اقلیمی ارائه دهد.”

اهمیت گردآوری دقیق داده‌ها

دکتر سارا بیری، استادیار MIT، گفت: “این گردآوری دقیق داده‌ها، با تمرکز بر ثبت نمونه‌های واقعی از پرسش‌های علمی در زمینه‌های تحقیقاتی اکولوژی و علوم محیط‌زیست، به‌طور حیاتی برای گسترش درک ما از قابلیت‌های فعلی روش‌های هوش مصنوعی در این زمینه‌های علمی تأثیرگذار بوده است.”

او همچنین افزود: “این کار شکاف‌های موجود در تحقیقات فعلی را مشخص کرده است که اکنون می‌توانیم برای رفع آن‌ها تلاش کنیم، به‌ویژه برای پرسش‌های ترکیبی پیچیده، اصطلاحات فنی و تفاوت‌های ظریف و دقیق که دسته‌های مورد علاقه همکاران ما را مشخص می‌کند.”