اینبار هوش مصنوعی از سوی شرکت ماکروسافت امیدی تازه را برای محققان و طرفداران حفظ منابع طبیعی فراهم کرده است تا مداخلات موثری را برای شناسایی انجام دهند. و همچنین، جلوگیری به موقع از خطر انقراض حیوانات. شارلوت اِدمونت به معرفی و کارایی تکنولوژی جدید ماکروسافت همراه با هوش مصنوعی ماکروسافت می‌پردازد. شاید بتوان با استفاده از هوش مصنوعی، از خطر انقراض حیوانات در معرض خطر جلوگیری کرد. در ادامه با آراد مگ همراه باشید.
هوش مصنوعی ماکروسافت
پواُولی (Poʻo-uli) هاوایی، پرنده‌ای کوچک از خانواده عسل کِش کله سیاه است که برای نخستین بار در سال ۱۹۷۳ کشف و کم‌تر از نیم‌قرن بعد، از سیاره زمین محو شد. این چنین بیان شده است که پواُولی هاوایی در سال ۲۰۱۸، به طور کامل منقرض شده است، و این گونه یکی از حدود ۷۰۰ گونه مهره‌داران است که در طول ۵۰۰ سال گذشته حیاتشان به انقراض رسیده است. طبق گزارش سازمان ملل متحد که در اوایل امسال منتشر شد، یک میلیون گونه‌ی دیگر در معرض خطر انقراض قرار دارند: فعالیت‌های انسانی، حیات گیاهان و حیوانات بیشتری را نسبت به گذشته تهدید می‌کنند. اگرچه محاسبه تعداد دقیق گونه‌ها در این سیاره بسیار دشوار است اما برآوردهای اخیر این تعداد را در حدود ۸.۷ میلیون گونه تخمین زده‌اند.
موقعیت فعلی پرنده پواُولی هاوایی، یکی از مشکلات کلیدی برای حفاظت از محیط زیست را نشان می‌دهد: ردیابی و نظارت بر جمعیت گونه‌های در معرض خطر، دشوار است. دانشمندان علی‌رغم تلاش برای شناسایی و تعیین جمعیت رو به کاهش پرنده پواُولی هاوایی، قادر به جفت کردن پرنده‌ها برای تولید مثل نبودند.
اکنون، تکنولوژی ماکروسافت به دانشمندان امید تازه ای می‌دهد. جمع‌آوری اطلاعات بهتر و تحلیل آن به طور موثر با ماشین یادگیرنده و هوش مصنوعی به طرفداران حفظ منابع طبیعی اجازه می‌دهد تا مداخلات مورد نظر موثرتری را برای شناسایی و جلوگیری به موقع از خطر انقراض حیوانات انجام دهند.
- در اینجا پنج راه کار در راستای تلاش‌های حفاظتی برای کمک به گونه‌های در معرض خطر از سوی ماکروسافت در قالب هوش مصنوعی به وجود آمده است.
شناسایی شیرها و زرافه‌ها با استفاده از هوش مصنوعی
تکنولوژی تشخیص صورت و الگو به محققان این امکان را می‌دهد که حیوانات را به صورت انفرادی شناسایی و ردیابی کنند و به دانشمندان در نظارت بر جمعیت‌ها و مهاجرت‌های آن‌ها کمک کنند.
با این حال، بدون علایم مشخص درباره یوزپلنگ‌ها و پلنگ‌ها، برای محققین شناسایی شیرها به شکل انفرادی کمی سخت‌تر است. LINC یا (Lion Identification Network of Collaborators)، همیاران شبکه شناسایی شیر (سیستمی با منابع باز است که بانک اطلاعاتی مشترکی را تشکیل می‌دهد و به همه محققان و طرفداران حفظ منابع طبیعی در رابطه با شیرها اجازه می‌دهد تا به اطلاعات به روز درباره وضیعیت شیرها دسترسی داشته باشند) از تکنیک‌های تشخیص چهره برای نظارت بر میزان جمعیت شیرها استفاده می‌کند. شناسایی شامل گرفتن عکس با کیفیت بالا و زوم کردن بر روی قسمت‌هایی از قبیل نقطه‌های کناره‌های بینی شیرها است – چیزی که کامپیوتر برای انجام آن از قابلیت بیشتری برخوردار است تا چشم انسان. این تکنولوژی به کاهش اتکا بر مانیتورهای گران قیمت و مجهز به GPS کمک می‌کند، مانیتورهایی که می‌توانند عمر باتری محدودتری داشته باشند و در روند کار خلل ایجاد کنند.
تکنولوژی مشابه از سوی محققان دانشگاه ایالتی پِن و موسسه طبیعت وحش مورد استفاده قرار می‌گیرد تا تولد، مرگ و حرکات بیش از ۳۰۰۰ زرافه در شمال تانزانیا را مطالعه کند. کاهش سکونت‌گاه و شکار غیر قانونی این حیوانات به این معنا است که جمعیت زرافه در سال‌های اخیر شاهد کاهش چشمگیری بوده است. تکنولوژی تشخیص الگو که برای شناسایی نشانه‌های منحصر به فرد بر روی بدن زرافه آموزش دیده است، اکنون می‌تواند تصاویر را در عرض چند دقیقه پردازش کند، وظیفه‌ای که پیش از این چندین هفته زمان می‌برد تا انجام شود.
نظارت بر تاثیر انسان‌ها در جمعیت خرس خاکستری یا گریزلی
کلایتون لَمب، محقق از دانشگاه آلبرتا، کانادا، با استفاده از ابزارهای Azure ماکروسافت همراه با هوش مصنوعی برای ایجاد تجزیه و تحلیلی جامع درباره عوامل انسانی و محیطی در محدود کردن تراکم خرس گریزلی در بریتیش کلمبیا، استفاده می‌کند. در حالی که جمعیت انسان‌ها به طور فزاینده‌ای در حال گسترش به سوی مناطق جنگلی است، زیستگاه خرس خاکستری روز به روز در حال کوچک‌تر شدن است. خرس خاکستری که در واقع همه چیز خوار و مدام در حال پرسه زدن است به طور خاص نسبت به تعارضات انسانی حساس است و در حال حاضر به طور جهانی، تنها حدود نیمی از محدوده اصلی خود را برای زندگی در اختیار دارد. و الباقی از سوی انسان تصرف شده است.
کلایتون لَمب از نمونه برداری DNA و گردن بند‌های مجهز به GPS برای ردیابی خرس‌ها به صورت انفرادی به منظور درک بهتر اتصال بین جمعیت‌ها و زیستگاه آن‌ها در سطح گرانولار (ریز داده‌ها، پایین‌ترین سطح جزئیات داده‌ها درباره هدف مشخص شده) استفاده می‌کند. با ایجاد چنین داده‌های مشخصی، او قادر است کار خود را فراتر از بوم‌شناسی نظری جمعیت انجام دهد و گام‌هایی را در راستای کاهش تاثیر انسان‌ها بر روی جمعیت‌های حیات وحش بردارد و حتی پیشنهاد دهد.
ارزیابی الگوهای بهداشتی و تغذیه وال‌ها
در دانشگاه دوک در کارولینای شمالی، دانشمندان از ربات‌های دریایی و مدل‌های سنجش از راه دور و از مدل‌های ماشین یادگیرنده در Azure ماکروسافت برای ارزیابی داده‌های مربوط به اندازه و سلامت وال‌ها استفاده می‌کنند. در حالی که اقیانوس‌ها گرم و مملو از کریل‌ها هستند با این حال، غذای حیاتی نهنگ که شامل همین کریل‌ها می‌شود در وضعیت بسیار بحرانی قرار دارد، در همین حین، ماهی‌گیری و بهره‌برداری تجاری از زیستگاه‌های دریایی نیز فشار زیادی بر جمعیت وال‌ها وارد می‌کند.
با توجه به فواصل سیر وال‌ها، پایش حرکات آن‌ها با استفاده از روش‌های سنتی، هم وقت گیر است و هم گران قیمت. شبکه‌های عصبی به دانشمندان اجازه می‌دهند تا سیستم‌های چندگانه، از جمله ماهواره‌ها، هواپیماهای بدون سرنشین و خودکار را به هم پیوند دهند تا تصویری جامع‌تر از مهاجرت و سلامت این حیوانات بزرگ ترسیم کنند.
ردیابی جمعیت‌ها پنگوئن‌ها
نظارت بر جمعیت‌ها در زیستگاه از راه دور نیز کار دشواری است. تشخیص کلونی‌ها اغلب شامل جستجو برای یافتن نشانگرهاست که کاری بسیار دشوار است مانند لکه‌های گوآنو بر روی سنگ‌ها که رنگی بسیار مشابه سنگ‌ها دارند.
هِتِر جی. لینچ، اکولوژیست، از طرف وزارت اکولوژی و تکامل، دانشگاه استونی بروک، در حال بررسی قابلیت‌های هوش مصنوعی با مدل‌سازی های پیش‌بینی جمعیت است تا امکان ردیابی پنگوئن‌ها در به موقع‌ترین زمان در قطب جنوب را فراهم کند. او از دید رایانه‌ای برای جست و جوی لکه‌های گوآنو در تصاویر ماهواره‌ای استفاده می‌کند تا الگوریتم‌های طبقه‌بندی شده را که برآوردهای جمعیتی را برای کلونی‌ها ایجاد می‌کنند، شناسایی و توسعه دهد.
محافظت از فیل‌ها در برابر شکارچیان
تخمین زده می‌شود که در هر ۱۵ دقیقه بین سال‌های ۲۰۰۷ تا ۲۰۱۴ یک فیل کشته شده است و ۲۵۰۰۰ تا ۳۵۰۰۰ فیل از سوی شکارچیان به خاطر عاج شان کشته شده‌اند. با ثبت مناطق وسیعی برای نظارت، دفاع از این حیوانات به چالشی بزرگ تبدیل شده است. منابع را می توان کم کم گسترش داد، ارتباطات را می توان به یکدیگر متصل کرد و داده‌های قابل استفاده را ماهرانه جمع‌آوری کرد.
پروژه گزارش فیل به حفاظت از فیل‌های در معرض خطر جنگلی کمک می‌کند. تیم‌هایی در دانشگاه کورنل در ایتاکا، نیویورک، با کمک از معیارهای حفاظت مستقر در سانتا کروز، کالیفرنیا، از هوش مصنوعی ماکروسافت برای شناسایی و تجزیه نوارهای ضبط شده از ارتباط میان فیل‌ها استفاده می‌کنند، و به ایجاد “فرهنگ لغت فیل” با هماهنگ سازی صداها بر رفتارها کمک می‌کنند. درک رو به رشد حاصل از ارتباط فیل‌ها به محققان این امکان را می‌دهد که تاثیر عواملی مانند اکتشاف نفت، قطع درختان و شکار غیر قانونی، و نیز قادر ساختن آن‌ها برای هماهنگ کردن موثر تلاش‌های حفاظت از محیط زیست را بهتر درک کنند و در این مسیر گام‌های موثرتری بردارند.
