انقلاب هوش مصنوعی در حفاظت از حیات‌وحش!
گوگل با معرفی یک مدل هوش مصنوعی جدید، روند شناسایی و پایش گونه‌های جانوری را متحول کرده است. آیا این فناوری می‌تواند به نجات تنوع زیستی زمین کمک کند؟
پژوهشگران دیگر لازم نیست ساعت‌ها وقت خود را صرف بررسی دستی تصاویر حیات‌وحش کنند؛ گوگل با انتشار مدل هوش مصنوعی جدیدی به نام SpeciesNet، فرآیند شناسایی گونه‌های حیوانی را به‌طور قابل‌توجهی تسهیل کرده است. این مدل که به‌صورت متن‌باز منتشر شده، قادر است تصاویر ثبت‌شده توسط دوربین‌های تلهای را تحلیل کرده و گونه‌های جانوری را شناسایی کند. اما این فناوری جدید چه تأثیری بر روند تحقیقات علمی و حفاظت از تنوع زیستی خواهد داشت؟
نقش هوش مصنوعی در تجزیه و تحلیل داده‌های حیات‌وحش SpeciesNet، که جدیدترین دستاورد گوگل در حوزه فناوری‌های محیط‌زیستی محسوب می‌شود، برای تحلیل تصاویر ثبت‌شده توسط دوربین‌های تلهای طراحی شده است. این دوربین‌ها که از حسگرهای مادون قرمز بهره می‌برند، به‌طور گسترده در تحقیقات مرتبط با تنوع زیستی مورد استفاده قرار می‌گیرند. بااین‌حال، حجم عظیم تصاویر ثبت‌شده، تحلیل دستی آن‌ها را به فرآیندی زمان‌بر و دشوار تبدیل کرده است. هدف از توسعه این مدل، خودکارسازی فرآیند شناسایی و طبقه‌بندی تصاویر حیوانات است تا محققان بتوانند زمان خود را به تحلیل داده‌ها اختصاص دهند.
Wildlife Insights؛ بستری برای همکاری پژوهشگران این مدل بخشی از پروژه بزرگ‌تر Wildlife Insights گوگل محسوب می‌شود که از حدود شش سال پیش تحت حمایت برنامه Google Earth Outreach راه‌اندازی شده است. Wildlife Insights یک پلتفرم مشارکتی است که به پژوهشگران اجازه می‌دهد تصاویر ثبت‌شده را بارگذاری کرده، به اشتراک بگذارند و تجزیه‌وتحلیل کنند. با ادغام SpeciesNet در این پلتفرم، فرایند تحلیل داده‌های دوربین‌های تلهای به شکل چشمگیری تسریع می‌شود و امکان ردیابی روندهای جمعیتی و پایش دقیق‌تر تنوع زیستی فراهم می‌شود.
پشتوانه علمی و داده‌ای SpeciesNet گوگل اعلام کرده که این مدل با استفاده از بیش از ۶۵ میلیون تصویر عمومی و با مشارکت سازمان‌های مطرحی همچون مؤسسه حفاظت زیست‌شناسی اسمیتسونین، انجمن حفاظت از حیات‌وحش، موزه علوم طبیعی کارولینای شمالی و انجمن جانورشناسی لندن آموزش داده شده است. این مجموعه داده غنی، به SpeciesNet امکان می‌دهد بیش از ۲۰۰۰ برچسب مختلف، از گونه‌های جانوری مانند «پستانداران» و «گربه‌سانان» گرفته تا اشیای غیرزنده‌ای مانند وسایل نقلیه را در تصاویر شناسایی کند.
دسترسی متن‌باز و کاربردهای گسترده یکی از ویژگی‌های مهم این مدل، انتشار آن تحت مجوز Apache 2.0 در GitHub است که به توسعه‌دهندگان، محققان و استارت‌آپ‌های مرتبط با حوزه تنوع زیستی این امکان را می‌دهد که بدون محدودیت‌های تجاری از آن استفاده کنند. هدف گوگل از این اقدام، کمک به افزایش مقیاس‌پذیری مطالعات نظارتی و تسهیل پردازش داده‌ها در تحقیقات حیات‌وحش است.
در پستی که روز دوشنبه توسط این شرکت منتشر شد، گوگل تأکید کرد که "پتانسیل SpeciesNet برای تحول در نظارت بر تنوع زیستی بسیار قابل‌توجه است." همچنین این شرکت اهمیت فناوری‌های متن‌باز را در پیشبرد نوآوری‌های علمی و افزایش همکاری بین محققان برجسته کرد.
رقبای SpeciesNet در دنیای هوش مصنوعی اگرچه SpeciesNet یک ابزار قدرتمند در حوزه تحقیقات زیست‌محیطی محسوب می‌شود، اما تنها گزینه موجود نیست. مایکروسافت نیز در قالب پروژه AI for Good، ابزاری تحت عنوان PyTorch Wildlife را ارائه کرده که مبتنی بر مدل‌های از پیش آموزش‌دیده برای شناسایی و طبقه‌بندی حیوانات است. این رقابت نشان می‌دهد که هوش مصنوعی به‌طور فزاینده‌ای در خدمت علم و حفاظت از محیط‌زیست قرار گرفته است.
جمع‌بندی انتشار SpeciesNet توسط گوگل، گامی بلند در مسیر بهره‌گیری از هوش مصنوعی برای مطالعات تنوع زیستی به‌شمار می‌رود. این مدل، با خودکارسازی فرایند تحلیل تصاویر دوربین‌های تلهای، امکان بررسی دقیق‌تر وضعیت گونه‌های جانوری و اکوسیستم‌ها را برای محققان فراهم می‌کند. ماهیت متن‌باز این مدل نیز موجب شده که طیف گسترده‌ای از پژوهشگران و متخصصان بتوانند از آن بهره‌مند شوند. با ادامه توسعه فناوری‌های هوش مصنوعی در حوزه محیط‌زیست، ابزارهایی مانند SpeciesNet و PyTorch Wildlife مسیر جدیدی را برای تلاش‌های حفاظتی باز کرده و گامی مؤثر در راستای حفظ تنوع زیستی محسوب می‌شوند.
