اگر شما 180 هزار ساعت زیر دریا باشید، تمام اقیانوس آرام را ضبط کنید، در نهایت احتیاج دارید که بدانید کی و کجا در تمام این ساعات، وال های گوژپشت آواز میخواندند. پس نیاز به سرچ در گوگل دارید.

این چیزی بود که Ann Allen، بوم شناس و محقق در سازمان اقیانوس های ملی و جوی انجام داد. در ژانویه سال 2018 ، او برای پاسخ به سوالش، از گوگل خواست تا به او همکاری کند. او تلاش کرد تا بداند در کدام نقطه و در چه زمانی می‌تواند سیگنالی از آواز خواندن وال‌های گوژپشت درمیان انبوه صدای سایر موجودات دریایی از جمله دلفین ها پیدا کند. مهندسان گوگل برای شناسایی آوازها ، و تشخیص صداها فیلم های YouTube جست و جو کردند.

پس از ۹ ماه، دکتر Allen مدلی را برای برای درک و شناسایی صدای وال‌های گوژپشت از سایر صداها پیدا کرد. او برای این کار از گونه های موجود در اقیانوس آرام و جزیره های آن بهره گرفت و از سیستم هوش مصنوعی ماشین برای تفکیک این صداها استفاده کرد. شرکت گوگل نیز با همکاری Canada’s Department of Fisheries and   Oceans  از الگوریتم های مشابه ای برای نظارت و بررسی علت کمبود جمعیت Southern Resident Orca  که نزدیک به ۷۰ جانور در آنجا بودند، استفاده کرد.

یادگیری ماشین و هوش مصنوعی بستری بسیار خوب را برای تحقیقات دریایی ایجاد کرده است. دریا مملو از داده های گوناگون است. داده هایی پایان ناپذیر در سطح دریا و در اعماق آن.  برای یافتن داده ها،  نیازی به جمع آوری نمونه های مشابه نیست، زیرا این کار بسیار هزینه بر خواهد بود.

 از طرفی، تغییرات آب و هوا  بر یادگیری ماشین تاثیر مثبتی گذاشته است.  باید بدانیم که بسیاری از داده‌های در دسترس دانشمندان لزوماً دقیق نیستند. دلایل مختلفی برای آن وجود دارد. برای مثال حیوانات، زیستگاه های خود را تغییر داده و جابجا می شوند، دما افزایش می یابد و با حرکت گونه های جانوری ، مدیریت جمعیت بسیار مهم و حیاتی می شود.

در آتلانتیک شمالی، جمعیت نوعی وال رو به انقراض است. جمعیت آنان اکنون به حدود 400 نفر کاهش یافته است، علت این انقراض احتمالا به دلیل گرم شدن دما است. این وال‌ها از زیستگاه قدیمی خود یعنی خلیج Maine به خلیج  Saint Lawrence حرکت کرده اند. در  این خلیج تجهیزات ماهیگیری و عبور و مرور کشتی‌ها زیاد است و همین امر موجب شده که تا سال ۲۰۱۷، ۳۰ وال جانشان را از دست بدهند.

برای حفظ وال ها، دانشمندان نیاز به دانستن محل زندگی آنها دارند. این دقیقا چیزی است که آزمایشگاه Charles Stark Draper  و آکواریوم جدید انگلستان بر روی آن کار می‌کنند. آن‌ها نام فعالیت خود را “شمارش وال ها از فضا” گذاشتند. داده ها از ماهواره‌ها ، رادارها و زیردریایی‌ها جمع آوری شده تا به ماشین جهت یادگیری الگوریتم ها تا ساخت یک مدل احتمالی از مکان وال‌ها داده شود.

به گفته Sheila Hemami، مدیر چالش های جهانی در Draper ، با توجه به چنین اطلاعاتی، باید مقامات فدرال ، ایالتی و محلی در مورد خطوط حمل و نقل و ماهیگیری، سریع‌تر تصمیم بگیرند و به آنها برای حفظ وال ها کمک کنند.

جمعیت بسیاری از ماهیان نیز در حال تغییر است. علت آن ماهیگیری بیش از حد و یا غیر قانونی است. در همین راستا به منظور محدود کردن فعالیت‌های غیرقانونی و نگه داشتن جمعیت ماهیان به میزان متناسب اقیانوس،  شرکت Google به کمک Global Fishing Watch سازمانی را جهت نظارت ماهیگیری ایجاد کرد. این سازمان، راه‌ها و موقعیت‌های کشتی‌ها و فعالیت‌های عمومی را در سراسر دنیا نظارت می‌کند.

مدیر تحقیقاتی و خلاقیت سازمان Global Fishing Watch، David Kroodsma اعلام کرد که اقیانوس‌ها محل بسیار مناسبی جهت جمع آوری داده‌ها و فعالیت است. زیرا فرصت زیادی برای بهبود داده وجود دارد و هنگامی که شما تحقیقات و فعالیت‌های این بخش را با صنایع استخراجی مقایسه می‌کنید، متوجه کمبود تحقیقات و فعالیت های این بخش می‌شوید.

برنامه های دیگری که در بحث شیمی اقیانوس و آلودگی کاربرد دارند، برای کارهایی مانند نظارت بر پلاستیک در اقیانوس استفاده می­شوند. سازمان Draper برای کنترل آلودگی دریا توسط پلاستیک، از حسگرهایی شبیه به حسگرهای کنترل کیفیت هوا در ایستگاه فضایی بین المللی استفاده می­کند.  این سازمان در صورت درخواست آژانس حفاظت محیط زیست ، اطلاعات مربوط میکروپلاستیک­های شناور آب جمع آوری می‌کند. دکتر Hemami گفت: بر طبق اطلاعات دریافت شده، از میکروپلاستیک ها برای تولید یک اثر انگشت شیمیایی استفاده می­کنیم تا آن را برای آموزش الگوریتم در اختیار ماشین قرار داده تا انواع پلاستیک را شناسایی کنیم.  

اما هنوز این فعالیت در مرحله آزمایش قرار دارد. حسگر نسل اول در نزدیکی شمال غربی اقیانوس آرام  در Great Patch Garbage Patch قرار داده شده است و تاکنون به ارائه اطلاعاتی در مورد نحوه عملکرد سیستم در اختیار قرار داده است.

با آنکه یادگیری ماشین هنوز در ارزیابی سایر مباحث شیمی اقیانوس مانند اسیدی شدن آن، دفع اکسیژن یا غلظت نیترات به طور گسترده مورد استفاده قرار نگرفته، اما در آن منطقه نشانه های بسیاری برای تحقیق وجود دارد.

برای نمونه، برنامه‌های نظارت جانوران دریایی و نظارت مواد شیمیایی هر دو با یکدیگر فعالیت کردند تا داده هایی از زندگی نوعی کرم دریایی را جمع آوری کنند.  

 مهندس اصلی موسسه تحقیقاتی آکواریوم خلیج مونتری ، Kakani Katija،  از یادگیری ماشین برای نظارت بر زندگی و الگوی رفتاری این زئوپلانکتون ها استفاده کرد. این جانوران خانه هایشان را با استفاده از مخاط خود می­سازند که خانه هایی بسیار کوچک هستند.

هنگامی که این سازه ها  با میزان زیادی از گرد و غبار های اقیانوسی احاطه شد، بخش عظیم فرایند فتوسنتز که از بین بردن دی اکسید کربن جوی است، باعث شده تا این جانوران خانه های خود را رها کرده و خانه ها به عمق اقیانوس بروند. جانورانی که در عمق اقیانوس هستند، از این خانه ها تغذیه می­کنند. در این فرایند کربن دی اکسید به درون عمق اقیانوس فرستاده می‌شود.  

انسان‌ها با سوزاندن سوخت‌های فسیلی ، دی اکسید کربن را آزاد می کنند که بخش اعظم آن توسط اقیانوس ها جذب می شود. در نتیجه اقیانوس ها مانع از گرم شدن سیاره ما تا حد 36 درجه سانتیگراد می شوند ، اما تمام آن دی اکسید کربن باعث می شود که اقیانوس ها اسیدی تر شوند. دانستن مقدار دی اکسید کربن ذخیره شده در اقیانوس، برای مدل سازی تغییرات آب و هوایی آینده بسیار مهم است. نکته مهم دیگر،  شیوع همان کرم های دریایی است که می­توانند آب را فیلتر کرده و در فرایند دی اکسید کربن دخیل باشند.

دکتر Katija معتقدست که  آنچه در مورد فناوری و پیشرفت هوش مصنوعی در جهان قابل  مشاهده است، باعث ایجاد تأثیرات عمیق در چگونگی مشاهده محیط اطراف و به وجود آمدن یك آینده پایدار خواهدشد.

منبع: www.nytimes.com