ابزاری هوشمند برای کشف تاثیر تغییرات اقلیمی بر حیات وحش

ابزار جدید هوش مصنوعی برای تحلیل تصاویر حیات وحش

یک مطالعه نشان می‌دهد که یک ابزار جدید هوش مصنوعی می‌تواند به توسعه الگوریتم‌هایی برای تحلیل تصاویر حیات وحش کمک کرده و درک بهتری از نحوه واکنش گونه‌های مختلف در سراسر جهان به تغییرات اقلیمی فراهم آورد. 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 باشد که هر ساله توسط عموم مردم در اینترنت بارگذاری می‌شود.

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

اکنون، یک تیم بین‌المللی از دانشمندان ابزاری جدید ایجاد کرده‌اند تا آزمایش کنند که الگوریتم‌های هوش مصنوعی چقدر می‌توانند از بانک‌های تصویری اطلاعات استخراج کنند. این اطلاعات می‌تواند شامل جزئیاتی درباره اینکه گونه‌ها چه چیزی می‌خورند، چقدر سالم هستند و با کدام گونه‌های دیگر در حال تعامل هستند، باشد. این ابزار که INQUIRE نام دارد، توانایی هوش مصنوعی را در استنتاج از یک بانک تصویر شامل پنج میلیون عکس حیات وحش بارگذاری شده در وب‌سایت علم شهروندی iNaturalist اندازه‌گیری می‌کند.

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

فرصت‌های جدید برای توسعه الگوریتم‌های هوش مصنوعی

یافته‌ها نشان می‌دهند که فرصت‌هایی برای توسعه الگوریتم‌های جدید هوش مصنوعی وجود دارد که می‌توانند به دانشمندان کمک کنند تا به‌طور مؤثری مجموعه‌های وسیع تصاویر را بررسی کنند. این یافته‌ها در کنفرانس NeurIPS، یکی از کنفرانس‌های پیشرو در زمینه یادگیری ماشین، ارائه خواهند شد. این تیم شامل محققانی از دانشگاه ادینبرو، کالج دانشگاهی لندن، دانشگاه UMass آمهرست، iNaturalist و مؤسسه فناوری ماساچوست (MIT) بوده است. این پروژه به‌طور جزئی با حمایت آزمایشگاه هوش مصنوعی تولیدی دانشگاه ادینبرو انجام شده است.

نقش تصاویر حیات وحش در تحقیقات علمی

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

او ادامه داد: “این تصاویر به‌طور بالقوه یک منبع بسیار غنی هستند که هنوز به‌طور عمده استفاده نشده‌اند. 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 بری، استادیار در MIT، گفت: “این گردآوری دقیق داده‌ها که بر ثبت نمونه‌های واقعی از تحقیقات علمی در زمینه‌های اکولوژی و علوم محیطی تمرکز دارد، به‌طور حیاتی به گسترش درک ما از قابلیت‌های فعلی روش‌های هوش مصنوعی در این زمینه‌های علمی تأثیرگذار کمک کرده است.”

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