غیرممکنی که با فناوری ممکن شد/ موفقیت هوش مصنوعی در ردیابی و شناسایی حیات وحش

به گزارش خبرگزاری علم و فناوری آنا به نقل از گاردین، محققان مجموعه‌ای از دوربین‌ها و میکروفون‌های کنترل‌شده با هوش مصنوعی را برای شناسایی حیوانات و پرندگان و نظارت بر حرکات آن‌ها در طبیعت توسعه داده‌اند؛ فناوری که به گفته آن‌ها باید به حل مشکل رو به رشد تنوع زیستی بریتانیا کمک کند.

شناسایی گونه‌های خاص/  فقط هوش مصنوعی این کار را ممکن کرد

نمایشگر‌های ربات در سه سایت آزمایش شده‌اند و صدا‌ها و تصاویری را ضبط کرده‌اند که رایانه‌ها قادر به شناسایی گونه‌های خاص و نقشه برداری از مکان آن‌ها هستند. ده‌ها پرنده مختلف از آواز آن‌ها شناسایی شدند، در حالی که روباه، گوزن، جوجه تیغی و خفاش با تجزیه و تحلیل هوش مصنوعی مشخص و شناسایی شدند. هیچ ناظر انسانی در این امر دخیل نیست.

آنتونی دانسر، متخصص حفاظت در انجمن جانورشناسی لندن (ZSL) گفت: نقطه حیاتی مقیاس عملیات است. ما ده‌ها هزار فایل داده و هزاران ساعت صوت را از این سایت‌های آزمایشی ضبط کرده‌ایم و توانستیم به کمک این صدا‌ها انواع مختلفی از حیوانات را شناسایی کنیم. ما نمی‌توانستیم با استفاده از ناظران انسانی این کار را در مقیاسی بزرگ انجام دهیم. فقط هوش مصنوعی این کار را ممکن کرد.

زمین در کنار خطوط راه آهن - در بارنز، تویکنهام و لویشم در لندن - برای سایت‌های آزمایشی پروژه انتخاب شد. این مناطق که متعلق به شبکه راه آهن هستند و نقش کلیدی در راه‌اندازی این پروژه داشته‌اند، برای جلوگیری از سرگردانی مردم در خطوط حصارکشی شده‌اند و به ندرت توسط کارکنان تعمیر و نگهداری خطوط مورد بازدید قرار می‌گیرند.

دانسر گفت: بنابراین دسترسی به زمین‌های نسبتاً وحشی آسان بود و اکنون که کاربرد‌های این فناوری را نشان داده‌ایم، می‌توانیم آن را در حوزه‌های دیگر گسترش دهیم.

شبکه ریل مالک بیش از ۵۲ هزار هکتار زمین است که بسیاری از این مناطق نقش کلیدی در حفاظت از تنوع زیستی کشور دارند.

اندازه‌گیری تنوع زیستی با هوش مصنوعی

نیل استرانگ، مدیر استراتژی تنوع زیستی شبکه ریل گفت: پرنده‌هایی مانند کلاه سیاه اوراسیا، مرغ سیاه و جوانه بزرگ را انتخاب کنید. هر سه گونه به محیط‌های سالم نیاز دارند - از جمله منابع خوب توت‌ها و آجیل - و هر سه توسط هوش مصنوعی از سیگنال‌های صوتی جمع‌آوری‌شده توسط حسگر‌های موجود در سه سایت آزمایشی ما شناسایی شدند. این دلگرم‌کننده است و معیار‌های مهمی برای اندازه‌گیری تنوع زیستی در آینده فراهم می‌کند.

دیگر موجوداتی که توسط نمایشگر‌های هوش مصنوعی شناسایی شدند شامل شش گونه خفاش، از جمله «پی پیسترل» معمولی بودند.

دانسر گفت:قطعا خفاش‌ها از پل‌های راه آهن برای رفت و آمد استفاده می‌کنند؛ بنابراین اگر بتوانیم با استفاده از نمایشگر‌های هوش مصنوعی اطلاعات دقیق‌تری در مورد مکان دقیق اقامتگاه آن‌ها به دست آوریم، می‌توانیم به محافظت از آن‌ها کمک کنیم.

این نکته توسط استرانگ تاکید شد. در گذشته، ما مجبور بودیم جمعیت حیات وحش محلی را از حیوانات مرده مانند گورکن‌هایی که در مسیر یا کنار جاده رها شده‌اند، تخمین بزنیم. به این ترتیب ما ایده بسیار بهتری از اندازه جمعیت به دست می‌آوریم.

 گسترش استفاده از نمایشگر‌های هوش مصنوعی به مناطق دیگر

همانطور که دراین  پروژه فاش شد، حیوانات دیگری که به طور منظم در خطوط راه آهن بریتانیا رفت و آمد می‌کنند، جوجه تیغی‌ها هستند.

استرانگ گفت: جوجه تیغی‌ها واقعاً به مکان‌های خاصی محدود می‌شوند، زیرا در آنجا حصار می‌کشند. اما راه‌هایی برای حل این مشکل وجود دارد. در اسکاتلند آن‌ها در حال ایجاد بزرگراه‌های جوجه تیغی بر روی خطوط راه آهن هستند که شامل بریدن سوراخ‌های کوچک در پایه تمام حصار‌های جدید است که جوجه تیغی‌ها بتوانند از آن عبور کنند، اما هیچ چیز بزرگتر نتواند وارد آن شود.

اکنون انجمن جانورشناسی لندن و شرکت نتورک ریل در حال برنامه ریزی برای گسترش استفاده از نمایشگر‌های هوش مصنوعی به مناطق دیگر، از جمله کوبهام در ساری و نیوفارست هستند.

دانسر گفت: در سایت‌هایی که قبلاً آزمایش کرده‌ایم، نشانه‌هایی از بیش از ۳۰ گونه پرنده و شش گونه خفاش و همچنین روباه و جوجه تیغی پیدا کردیم، بنابراین از سطح نسبتاً سالم حیات وحش که در لندن یافتیم شگفت‌زده شدیم. با این حال، این واقعاً هدف اصلی پروژه ما نبود.

مدیریت پوشش گیاهی و تغییرات آب و هوایی با فناوری

وی ادامه داد: هدف این بود که نشان دهیم فناوری مبتنی بر هوش مصنوعی - مرتبط با تله‌های صوتی و دوربینی - می‌تواند به طور موثر برای بررسی حیات وحش در زمین ریلی شبکه و همچنین در مناطق دیگر در بریتانیا مورد استفاده قرار گیرد. این به ما خواهد گفت که گونه‌ها چگونه در واکنش به تغییرات آب و هوایی حرکت می‌کنند و چگونه باید پوشش گیاهی را مدیریت کنیم، نه فقط در کنار خطوط راه آهن، بلکه در حاشیه جاده‌ها و مکان‌های دیگر.

نکته مهم این است که یادگیری ماشین و هوش مصنوعی  برای حفاظت از تنوع زیستی کشور حیاتی خواهد بود. استرانگ گفت: «این فناوری نیازمند تجزیه و تحلیل ده‌ها هزار ساعت ضبط و صد‌ها هزار تصویر است. واقعاً، فقط رایانه‌ها می‌توانند این کار را برای ما انجام دهند.