🔍 ابزار تحلیل تصاویر برای کشف نشانه‌های تغییرات اقلیمی در حیات‌وحش 🌿

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 کند 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 جدیدی 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 به اینترنت بارگذاری می‌شود.

به گفته محققان، این تصاویر می‌توانند بینش‌های کلیدی درباره تأثیرات تغییرات اقلیمی، آلودگی، از دست رفتن زیستگاه و سایر فشارها بر ده‌ها هزار گونه گیاهی و جانوری ارائه دهند. وب‌سایت‌های علم شهروندی به عنوان منبعی غنی از اطلاعات درباره نحوه واکنش حیوانات و گیاهان به تغییرات اقلیمی شناخته می‌شوند.

با این حال، در حالی که الگوریتم‌های موجود هوش مصنوعی می‌توانند به‌طور خودکار گونه‌ها را در تصاویر بارگذاری شده شناسایی کنند، مشخص نبود که آیا این الگوریتم‌ها 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 تا چه حد می‌توانند از بانک‌های تصویری اطلاعات استخراج کنند.

این اطلاعات می‌تواند شامل جزئیاتی مانند 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 در کشف نتایج از یک بانک تصویری شامل پنج میلیون عکس حیات وحش بارگذاری شده در وب‌سایت علم شهروندی iNaturalist را اندازه‌گیری می‌کند.

تیم تحقیقاتی دریافت که الگوریتم‌های فعلی هوش مصنوعی 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 و همچنین مواردی که شامل اصطلاحات علمی دقیق هستند، می‌باشد.

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 به کاوش در مجموعه‌های وسیع تصاویر بپردازند. این یافته‌ها که توسط همتایان مورد بررسی قرار گرفته‌اند، 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 کار تا حدی با حمایت آزمایشگاه هوش مصنوعی مولد دانشگاه ادینبرو انجام شده است.

دکتر اوشین مک آودا، از دانشکده اطلاعات دانشگاه ادینبرو، گفت: “هزاران عکس حیات‌وحش که هر روز به اینترنت بارگذاری می‌شوند، بینش‌های ارزشمندی را در اختیار دانشمندان قرار می‌دهند تا بفهمند گونه‌های مختلف کجا یافت می‌شوند. 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 مورد استفاده قرار نگرفته‌اند. توانایی جستجوی سریع و دقیق در میان این ثروت اطلاعات می‌تواند سرنخ‌های حیاتی درباره چگونگی واکنش گونه‌ها به چالش‌های چندوجهی مانند تغییرات اقلیمی ارائه دهد.”

دکتر سارا بری، استاد یار در MIT، گفت: “این گردآوری دقیق داده‌ها، با تمرکز بر ثبت نمونه‌های واقعی از تحقیقات علمی در زمینه‌های بوم‌شناسی و علوم محیطی، برای گسترش درک ما از قابلیت‌های فعلی روش‌های هوش مصنوعی در این زمینه‌های علمی با تأثیر بالقوه، حیاتی بوده است.”

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