بازدید 40

هوش مصنوعی رمز صوتی اقیانوس را شکسته تا حیات دریایی پنهان را فاش کند.

مطالعه مرجان‌ها زمانی به معنای ساعت‌ها تحلیل دستی طاقت‌فرسا بود، اما هوش مصنوعی در حال تغییر بازی است.

یک شبکه عصبی جدید می‌تواند صداهای اقیانوس را در زمان واقعی پردازش کرده و فعالیت ماهی‌ها را ۲۵ برابر سریع‌تر از انسان‌ها شناسایی کند. این فناوری می‌تواند نحوه نظارت دانشمندان بر سلامت صخره‌های مرجانی و حفاظت از اکوسیستم‌های دریایی را انقلاب کند.

پیچیدگی پنهان صخره‌های مرجانی

صخره‌های مرجانی یکی از متنوع‌ترین اکوسیستم‌های کره زمین هستند. اگرچه کمتر از ۱٪ از اقیانوس را پوشش می‌دهند، اما زیستگاه حدود ۲۵٪ از تمام گونه‌های دریایی در برخی مراحل چرخه زندگی خود هستند. با توجه به تنوع زیستی زیاد در یک مکان، دانشمندان با چالش‌هایی در شناسایی دقیق گونه‌ها و تعداد آن‌ها روبه‌رو هستند.

برای حل این مشکل، محققان مؤسسه اقیانوس‌شناسی وودز هول یک رویکرد جدید توسعه داده‌اند که نظارت صوتی را با شبکه عصبی ترکیب می‌کند تا فعالیت ماهی‌ها را بر اساس صدا تجزیه و تحلیل کند. مطالعه آن‌ها در (۱۱ مارس) در مجله JASA، مجله انجمن آکوستیک آمریکا، منتشر شد.

چالش‌های نظارت سنتی

برای سال‌ها، دانشمندان از نظارت صوتی غیرفعال برای مطالعه صخره‌های مرجانی استفاده کرده‌اند. این شامل قرار دادن یک ضبط‌کننده زیر آب در یک صخره به مدت ماه‌ها برای ضبط صداهای محیطی است. در حالی که ابزارهای پردازش سیگنال موجود می‌توانند حجم زیادی از داده‌های صوتی را تجزیه و تحلیل کنند، آن‌ها برای شناسایی صداهای خاص طراحی نشده‌اند. شناسایی صداهای تک‌تک ماهی‌ها یا صداهای خاص گونه‌ها همچنان نیاز به جستجوی دستی ساعت‌ها ضبط دارد.

“اما برای کسانی که این کار را انجام می‌دهند، واقعاً کار وحشتناکی است”، گفت نویسنده ، “این کار بسیار خسته‌کننده است. واقعاً ناراحت‌کننده است.”

نیاز به پردازش سریعتر داده‌ها

به طور مشابه، این نوع تحلیل دستی برای استفاده عملی خیلی کند است. با توجه به تهدیدهایی که صخره‌های مرجانی جهان از تغییرات اقلیمی و فعالیت‌های انسانی مواجه هستند، توانایی شناسایی و ردیابی تغییرات در جمعیت‌های مرجانی به سرعت برای تلاش‌های حفاظتی ضروری است.

“تحلیل داده‌ها با این روش سال‌ها طول می‌کشد”، گفت مک‌کمن. “تحلیل داده‌ها به این صورت برای مقیاس بزرگ مفید نیست.”

هوش مصنوعی به کمک می‌آید: رویکردی هوشمندتر

به عنوان جایگزینی، محققان یک شبکه عصبی آموزش داده‌اند تا به طور خودکار داده‌های صوتی را بررسی کرده و ضبط‌های صوتی را در زمان واقعی تجزیه و تحلیل کند. الگوریتم آن‌ها می‌تواند به دقت کارشناسان انسانی در رمزگشایی روندهای صوتی در یک صخره برسد، اما این کار را بیش از ۲۵ برابر سریع‌تر انجام می‌دهد و می‌تواند نحوه نظارت و تحقیقات اقیانوسی را تغییر دهد.

“حالا که دیگر نیازی به انسان در این فرآیند نیست، چه دستگاه‌هایی دیگر — فراتر از ضبط‌کننده‌ها — می‌توانیم استفاده کنیم؟” گفت مک‌کمن. “برخی از کارهایی که همکار من آرن مونی انجام می‌دهد شامل یکپارچه‌سازی این نوع شبکه عصبی بر روی یک شناور شناور است که به‌روزرسانی‌های زمان واقعی از تعداد تماس‌های ماهی را پخش می‌کند. ما همچنین در حال کار بر روی انتقال شبکه عصبی‌مان به وسیله نقلیه زیرآبی خودمختارمان، CUREE، هستیم تا بتواند صداهای ماهی‌ها را بشنود و نقاط داغ فعالیت‌های بیولوژیکی را شبیه‌سازی کند.”

شکستن کد تماس‌های ماهی‌ها

این فناوری همچنین پتانسیل حل مشکلی دیرینه در مطالعات آکوستیک دریایی را دارد: تطبیق هر صدای منحصر به فرد با یک ماهی.

“برای اکثر گونه‌ها، ما هنوز به نقطه‌ای نرسیده‌ایم که بتوانیم با قطعیت بگوییم که یک تماس از یک گونه خاص ماهی آمده است”، گفت مک‌کمن. “این، حداقل در ذهن من، کشف نهایی است که به دنبال آن هستیم. با توانایی انجام شناسایی تماس‌های ماهی در زمان واقعی، می‌توانیم دستگاه‌هایی بسازیم که به طور خودکار یک تماس را بشنوند و سپس ببینند که چه ماهی‌هایی در نزدیکی آن هستند.”

آینده‌ای برای حفاظت در زمان واقعی

در نهایت، مک‌کمن امیدوار است که این شبکه عصبی به محققان این امکان را بدهد که جمعیت‌های ماهی‌ها را در زمان واقعی نظارت کنند، گونه‌های در خطر را شناسایی کرده و به بلایای طبیعی واکنش نشان دهند. این فناوری به محافظان طبیعت کمک می‌کند تا تصویر واضح‌تری از سلامت صخره‌های مرجانی بدست آورند، در دورانی که صخره‌ها به کمک بیشتری نیاز دارند.

ارجاع: “شناسایی سریع تماس‌های ماهی در میان منظره‌های صوتی متنوع صخره‌های مرجانی با استفاده از یک شبکه عصبی کانولوشنی” توسط ست مک‌کمن، ناتان فورمل، سیرا جارریل و تی. آرن مونی، ۱۱ مارس ۲۰۲۵، مجله انجمن آکوستیک آمریکا.

نظرات کاربران

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *