جدیدترین قدم تکنولوژیکی گوگل به منظور حفاظت از اکوسیستم‌های دریایی با توسعه ابزار هوش مصنوعی نوآورانه به نام SurfPerch است که به همراه گوگل ریسرچ و دیپ‌مایند توسعه یافته است. SurfPerch به زیست‌شناسان دریایی امکان این را می‌دهد که با تجزیه و تحلیل هزاران ساعت ضبط صداهای زیرآب، به سلامت ریف‌های مرجانی گوش بدهند. این روش نظارت صوتی به صورت ویژه برای مشاهده فعالیت‌های ریف در شب و مناطقی که ریف‌ها در آنجا عمیق هستند یا توسط آبهای آلوده پوشیده شده‌اند، بسیار مفید است.
روند شکل‌گیری SurfPerch بازمی‌گردد به یک تلاش عمومی که افراد را به جلب توجه و مشارکت در وب‌سایت “Google Calling in our Corals” دعوت می‌کرد. از طریق این پرتال، شرکت‌کنندگان بیش از ۴۰۰ ساعت صرف گوش دادن به صداهای ریف از مکان‌های مختلف جهان کردند و نمونه‌های صداهای ماهیان را در ضبط‌ها شناسایی می‌کردند. سهم آنها به ترجمه‌ی یک مجموعه داده بیوآکوستیک متمرکز بر ریف کشید، راه را برای بهبود بعدی توانایی‌های SurfPerch باز کرده‌است.
با داشتن یک کتابخانه از صداهای جدید ماهی در دسترس، این ابزار هوش مصنوعی بهینه‌سازی شده است تا صداهای جدید از ریف‌ها را به طور موثرتر تشخیص دهد و تجزیه‌وتحلیل کند. این فرایند به شدت وابستگی به پردازنده‌های گرافیکی گرانقیمت را کاهش می‌دهد برای آموزش و جنبه‌های جدیدی از درک از اجتماعات زنده‌ی ریف و استراتژی‌های حفظ آنها باز می‌کند. پیشرفت پروژه SurfPerch گوگل در یک پست وبلاگی ثبت شده است که توسط دو کارشناس زیست‌شناسی دریایی، استاد استیو سیمپسون از دانشگاه بریستول و بن ویلیامز از دانشگاه کالج لندن، هردو به مطالعه تأثیرات تغییرات اقلیمی بر اکوسیستم‌های مرجانی و تلاش‌های بازسازی اختصاص دارند، همراه نوشته شده است.
با توجه به زمینه ابزار هوش مصنوعی SurfPerch گوگل برای پیشبرد حفاظت از ریف‌های مرجانی، چندین سوال اساسی، چالش و اختلاف نظر برای بررسی وجود دارد.
سوالات کلیدی:
1. SurfPerch چگونه به حفاظت از ریف‌های مرجانی کمک می‌کند؟ SurfPerch از هوش مصنوعی برای تجزیه و تحلیل ضبط‌های صدای زیر آبی استفاده می‌کند و بدون مشاهده بصری به بررسی سلامت و تنوع زنده‌وحش ریف‌های مرجانی کمک می‌کند. این به نظارت بر این اکوسیستم‌ها، به ویژه در شرایط چالش‌برانگیز کمک می‌کند.
2. تا به حال چه نوع داده‌هایی با SurfPerch جمع‌آوری شده است؟ یک مجموعه داده بیوآکوستیک از نظرات عمومی که صداهای ماهیان را در ضبط‌های ریف شناسایی کردند، جمع‌آوری شده است، که به بهینه‌سازی ابزار هوش مصنوعی کمک می‌کند.
3. چه پیامدهای آینده‌ای ممکن است از یافته‌های SurfPerch به دست بیاید؟ با ارائه یک راه ارزان‌تر و احتمالاً جامع‌تر برای نظارت بر ریف‌های مرجانی، SurfPerch ممکن است بر راهکارهای حفظ تأثیر گزار باشد و منجر به برنامه‌های موثرتر حفظ شود.
چالش‌ها و اختلافات:
1. یک چالش دقت و قابلیت اعتبار هوش مصنوعی در تشخیص جانداران دریایی از طریق صداها به تنهایی است که باید نسبت به روش‌های پژوهشی ارزیابی شود.
2. دسترسی پذیری و قابلیت مقیاس‌پذیری فناوری SurfPerch به مناطق حفظ‌شده با منابع محدود مشکلی می‌شود، زیرا فناوری‌های پیشرفته برای محدودیت‌های امکانات و پشتیبانی مالی معمولاً محدودند.
3. ممکن است اختلافاتی درباره حریم خصوصی داده‌ها و استفاده از داده‌های جمع‌آوری شده به صورت توده‌ای و چگونگی ذخیره‌سازی، به اشتراک‌گذاری و امنیت داده‌ها وجود داشته باشد.
مزیت‌ها:
1. SurfPerch می‌تواند به نظارت پیوسته و غیرتجاوزی بر ریف‌های مرجانی کمک کند، داده‌هایی فراهم می‌سازد که ممکن است برای جمع‌آوری آنها در سفرهای غواصی دشوار باشند.
2. این کارایی را بهبود می‌بخشد با کاهش وابستگی به سخت‌افزار گرانقیمت و نیروی انسانی برای تجزیه و تحلیل مجموعه‌های داده اکولوژیکی.
3. این ابزار می‌تواند دقت ارزیابی تنوع زنده‌وجودی را تقویت کرده و درک از اکوسیستم‌های پیچیده‌ی ریف را تسهیل کند.
معایب:
1. ممکن است در محدودیتی در گونه‌های صداهایی که SurfPerch می‌تواند شناسایی کند، به خصوص برای گونه‌های کم‌شناسنامه یا رویدادهای زیستی خاص وجود داشته باشد.
2. SurfPerch به زیرساخت اینترنتی اساسی نیاز دارد، که ممکن است در مناطق دورافتاده که ریف‌های مرجانی در آنجا قرار دارند، در دسترس نباشد.
3. فرآیند آموزش و اعتبار‌سنجی اولیه ممکن است زمان‌بر و نیاز به ورود گسترده‌ی عموم و کارشناسان داشته باشد.
برای اطلاعات بیشتر درباره پژوهش‌های گوگل اشاره شده از جمله آنهایی که به پایداری و حفاظت معطوف شده‌اند، شما می‌توانید به Google Research مراجعه نمایید.
برای کسب اطلاعات بیشتر از همکاری‌ها و پیشرفت‌هایشان در حوزه هوش مصنوعی، به DeepMind مراجعه کنید.
برای کاوش در تلاش‌های محیطی گسترده و چگونگی نقش تکنولوژی در آن، ممکن است نگاهی به وب‌سایت برنامه محیط زیست سازمان ملل متحد (UNEP) بیاندازید.
The source of the article is from the blog scimag.news