هوش مصنوعی جدید حیات وحش را زیر ذره‌بین می‌برد: کشف رازهای تغییرات اقلیمی

یک ابزار نوین هوش مصنوعی برای مطالعه‌ی عکس‌های حیات وحش

یه بررسی نشون می‌ده که یه ابزار هوش مصنوعی جدید می‌تونه کمک کنه به ارتقای الگوریتم‌هایی که عکسای حیات وحش رو تحلیل می‌کنن و درک بهتری از نحوه‌ی واکنش گونه‌های مختلف در برابر تغییرات جوی توی سراسر دنیا به‌دست بیارن. این پیشرفت می‌تونه به دانشمندا کمک کنه الگوریتم‌های هوش مصنوعی جدید بسازن که توانایی تحلیل سریع و دقیق میلیون‌ها عکس از حیات وحش رو دارن؛ عکسایی که هر سال توسط مردم عادی توی اینترنت آپلود می‌شن.

به گفته‌ی محقق‌ها، این ابزارها می‌تونن اطلاعات کلیدی‌ای درباره‌ی تأثیرات تغییرات آب و هوا، آلودگی، از بین رفتن زیستگاه‌ها و فشارهای دیگه روی ده‌ها هزار گونه‌ی گیاهی و جانوری ارائه بدن. وب‌سایت‌های علم شهروندی می‌تونن منبع غنی‌ای از اطلاعات درباره‌ی نحوه‌ی واکنش حیوانات و گیاهان به تغییرات جوی باشن. با این حال، با اینکه الگوریتم‌های هوش مصنوعی موجود می‌تونن به‌طور خودکار گونه‌ها رو توی عکس‌های آپلود شده شناسایی کنن، هنوز معلوم نیست که آیا می‌تونن اطلاعات دیگه‌ای هم ارائه بدن یا نه.

حالا، یه گروه بین‌المللی از دانشمندا یه ابزار جدید درست کردن تا بررسی کنن که الگوریتم‌های هوش مصنوعی چقدر می‌تونن از بانک‌های تصویری اطلاعات بیرون بکشن. این اطلاعات می‌تونه شامل جزئیاتی مثل غذای گونه‌ها، وضعیت سلامتی‌شون و تعاملاتشون با گونه‌های دیگه باشه. این ابزار که اسمش INQUIRE هست، توانایی هوش مصنوعی رو در استنتاج از بانک تصویری که شامل پنج میلیون عکس از حیات وحش هست و توی وب‌سایت علم شهروندی iNaturalist بارگذاری شده، اندازه‌گیری می‌کنه.

تیم تحقیقاتی فهمید که الگوریتم‌های هوش مصنوعی فعلی قادر به جواب دادن به بعضی از این سوالا هستن، اما توی جواب دادن به سوالای پیچیده‌تر کم میارن. این سوالا شامل مواردی می‌شن که نیاز به استدلال درباره‌ی ویژگی‌های ریز و کوچیک توی عکسها دارن و همچنین سوالاتی که شامل اصطلاحات علمی دقیق هستن.

فرصت‌های تازه برای توسعه‌ی الگوریتم‌های هوش مصنوعی

یافته‌ها نشون می‌ده که فرصت‌هایی برای توسعه‌ی الگوریتم‌های جدید هوش مصنوعی وجود داره که می‌تونه به دانشمندا کمک کنه تا به‌طور مؤثر مجموعه‌های وسیعی از عکس‌ها رو بررسی کنن. این یافته‌ها که توسط متخصصان بررسی شدن، توی کنفرانس NeurIPS ارائه می‌شه؛ یکی از کنفرانس‌های پیشرو در زمینه‌ی یادگیری ماشینی. این تیم شامل پژوهشگرانی از دانشگاه ادینبرو، کالج دانشگاهی لندن، دانشگاه UMass آمهرست، iNaturalist و مؤسسه‌ی فناوری ماساچوست (MIT) بود. این کار بخشی از حمایت‌های آزمایشگاه هوش مصنوعی تولیدی دانشگاه ادینبرو بوده.

نقش عکس‌های حیات‌وحش توی تحقیقات علمی

دکتر اُیسین مک آودا، از دانشکده‌ی اطلاعات دانشگاه ادینبرو، گفت: “هزاران عکس از حیات وحش که هر روز آپلود می‌شن، دیدگاه‌های با ارزشی رو درباره‌ی جاهای مختلفی که گونه‌های گوناگون می‌تونن توی زمین پیدا بشن، به دانشمندا ارائه می‌کنن. اما، دونستن اینکه چه گونه‌ای توی عکس وجود داره، فقط نوک کوه یخ هست.”

او اضافه کرد: “این عکس‌ها به‌طور بالقوه یه منبع خیلی غنی هستن که هنوز به‌طور گسترده مورد استفاده قرار نگرفتن. توانایی جستجوی سریع و دقیق توی این حجم زیاد از اطلاعات می‌تونه سرنخ‌های حیاتی‌ای رو درباره‌ی اینکه چطور گونه‌ها به چالش‌های ترکیبی مثل تغییرات اقلیمی واکنش نشون می‌دن، ارائه بده.”

اهمیت جمع‌آوری دقیق داده‌ها

دکتر سارا بیری، استادیار MIT، گفت: “این جمع‌آوری دقیق داده‌ها، با تمرکز روی ثبت نمونه‌های واقعی از سوالات علمی توی زمینه‌های تحقیقاتی اکولوژی و علوم محیط‌زیست، برای گسترش درک ما از قابلیت‌های فعلی روش‌های هوش مصنوعی توی این زمینه‌های علمی خیلی مهم بوده.”

او همچنین اضافه کرد: “این کار شکاف‌های موجود توی تحقیقات فعلی رو مشخص کرده که حالا می‌تونیم برای رفعشون تلاش کنیم، به‌ویژه برای سوالات ترکیبی پیچیده، اصطلاحات فنی و تفاوت‌های ظریف و دقیقی که دسته‌های مورد علاقه‌ی همکاران ما رو مشخص می‌کنه.”