تلاش هوش مصنوعی برای شناسایی صدای نهنگ گوژپشت در اعماق دریا

منبع
زوميت
بروزرسانی
تلاش هوش مصنوعی برای شناسایی صدای نهنگ گوژپشت در اعماق دریا
زوميت/ هوش مصنوعي گوگل در حوزه‌هاي زيست‌محيطي نيز کاربرد دارد. محققان گوگل موفق شدند با سيستم مبتني بر هوش مصنوعي، صداي نهنگ گوژپشت را در اعماق درياها شناسايي کنند. در طي سال‌هاي متمادي، صداهاي اعماق دريا ضبط و مستندسازي شده است و اين کار کماکان انجام مي‌شود. گوگل و گروهي از متخصصان وال‌شناسي، جهت بررسي صداهاي ضبط‌شده، تحقيقاتي مبتني بر هوش مصنوعي در اعماق دريا انجام داده‌اند. محققان اميدوارند تا با کمک سيستم‌هاي مبتني بر يادگيري ماشين، صداي نهنگ گوژپشت را از بين بقيه‌ي صداها تشخيص دهند. بي‌شک، نتايج اين پروژه، تلاشي در جهت استفاده از هوش مصنوعي در حوزه‌‌هاي زيست‌محيطي است.
نهنگ گوژ پشت چه طور جانداري است؟
نهنگ گوژپشت يا نهنگ کوهان‌دار (Humpback whale)، گونه‌اي از بزرگ‌باله‌داران است که طول آن در حدود ۱۲ تا ۱۶ متر و وزنش در حدود ۳۶۰۰۰ کيلوگرم است. نهنگ گوژپشت در آب‌هاي اقيانوسي جهان يافت مي‌شود. نهنگ‌هاي کوهان‌دار مي‌توانند در هر سال در حدود ۲۵ هزار کيلومتر مهاجرت کنند. يکي از ويژگي‌هاي جالبت نهنگ‌هاي گوژپشت اين است که داراي نوعي سلول مغزي هستند که تنها در بين انسان‌ها، ميمون‌هاي بزرگ‌ و برخي جانوران آبزي همچون دلفين‌ها وجود دارد. به‌همين دليل نهنگ‌هاي گوژپشت رفتارهاي متفاوتي نسبت به ساير باله‌داران از خود نشان مي‌دهند. اين نهنگ‌ها داراي مهارت‌هاي پيچيده‌ي ارتباطي همچون اتحاد، همکاري و برخي مهارت‌هاي ارتباطي ديگر هستند. نهنگ‌هاي کوهان‌دار بخشي از زمان و انرژي خود را صرف خواندن آواز و توليد صدا در اعماق دريا مي‌کنند. هر بار نهنگ گوژپشت آواز مي‌خواند در حدود ۱۰ تا ۲۰ دقيقه طول مي‌کشد و گاهي ممکن است ساعت‌ها آواز بخوانند. البته انگيزه‌ي خواندن آواز نهنگ‌ها لزوما شکار کردن نيست. برخي معتقدند که وقتي نهنگ کوهان‌دار قصد دارد جفت‌گيري کند، به‌عنوان يکي از آداب جفت‌گيري آواز مي‌خواند. آوازهايي که نهنگ‌هاي کوهان‌دار نر از خود توليد مي‌کنند، محبوبيت خاصي دارد. هوش مصنوعي گوگل و گروهي از متخصصان وال‌شناسي پروژه‌اي براي تشخيص صداي نهنگ گوژپشت از بين صداهاي ضبط‌شده در اعماق دريا را آغاز کرده‌اند و به نتايج جالب توجهي هم دست يافته‌اند. اين پروژه‌، بخشي از برنامه‌ي جديد «AI for a social good» گوگل است. در طي چند سال گذشته، محققان هوش مصنوعي گوگل، پروژه‌هاي مختلفي با تاثير مثبت اجتماعي از جمله پيش‌بيني سيل، حفاظت از نهنگ‌ها و پيش‌بيني قحطي، به‌انجام رسانده‌اند. اين پروژه‌ در نظر دارد طيف وسيع‌تري از حوزه‌ها را پوشش دهد و با همکاري سازمان‌هاي ديگر به حل برخي از مشکلات و مسايل زيست‌محيطي و اجتماعي بپردازد. تصور اينکه هوش مصنوعي تنها در حوزه‌ي تشخيص چهره و برخي حوزه‌هاي محدود کاربرد داشته باشد، تصور درستي نيست و مي‌تواند عملکرد گسترده‌تر را به‌نمايش بگذارد. نهنگ‌ها براي يافتن غذاي مناسب‌تر، آب گرم‌تر و همچنين برقراري روابط اجتماعي در اعماق اقيانوس‌ها حرکت مي‌کنند. به‌طور طبيعي رديابي حرکت‌هاي نهنگ‌ها کار ساده‌اي نيست؛ ولي فراموش نکنيم که نهنگ‌ها با آواز خواندن اثري از خود در اعماق دريا به‌جا مي‌گذارند. آيا مي‌توان مسير حرکت نهنگ‌ها را با رديابي صداي آوازشان شناسايي کرد؟ در اعماق درياها و اقيانوس‌ها، دستگاه‌هاي ضبط صدا قرار داده شده است. با شنيدن صداي نهنگ‌ها از طريق اين دستگاه‌هاي شنيداري مي‌توان مسير حرکت نهنگ‌هاي گوژپشت را تشخيص داد. در طي سال‌هاي متمادي که صداهاي مختلف اعماق دريا ضبط و مستند مي‌شود، محققان مجبور بودند صداي نهنگ گوژپشت را از ميان انبوهي از ساير صداها تشخيص دهند. آيا سيستم‌هاي مبتني بر هوش مصنوعي مي‌تواند صداي نهنگ‌هاي گوژپشت را به‌روشي ساده‌تر و سريع‌تر رديابي کنند؟ محققان هوش مصنوعي گوگل با همکاري NOAA، تصميم گرفتند نتايج بررسي خود را که با سيستم‌هاي مبتني بر هوش مصنوعي و به‌کارگيري سيستم‌هاي يادگيري ماشين انجام شده بود، با آنچه به‌صورت دستي انجام مي‌شود مطابقت بدهند. استفاده از روش‌هاي مبتني بر هوش مصنوعي، فوق‌العاده است. با آن همه سروصداي مختلفي که در اعماق درياها وجود دارد، هوش مصنوعي مي‌تواند داده‌هاي زيادي که از طريق تلکسوپ‌هاي راديويي و دوربين‌هاي نظارت تصويري به سيستم داده مي‌شود، تجزيه و تحليل کند و براي اين‌ کار از الگوهاي خاصي کمک مي‌گيرد. در اين مورد، داده‌هاي ارائه‌شده به سيستم مبتني بر هوش مصنوعي، مستندات مربوط به دوازده هيدروفون است که براي سال‌ها در سراسر اقانوس آرام، به ضبط و مستندسازي مشغول بوده است. اين مجموعه‌ي داده‌ها، قبلا به‌صورت گسترده مورد بررسي قرار گرفته است؛ اما محققان گوگل در نظر داشتند که با سيستم مبتني بر هوش مصنوعي بتوانند به بررسي داده‌ها بپردازند و حجم بررسي داده‌هاي زياد و کار سخت و طاقت‌فرسا را به حداقل برسانند. در اين مرحله، سيستم مبتني بر هوش مصنوعي بايد صداي نهنگ گوژپشت را شناسايي مي‌کرد؛ هرچند به‌نظر مي‌رسد که امکان شناسايي ساير نهنگ‌ها يا موجودات دريايي با کمک سيستم مبتني بر هوش مصنوعي مي‌تواند در دستور کار تيم تحقيقاتي قرار گيرد.
هوش مصنوعي در حوزه‌ي محيط زيست کاربرد دارد شايد براي شما هم جالب باشد که بدانيد در اين پروژه، صداي نهنگ گوژپشت مورد تجزيه‌ و تحليل قرار نگرفت. بلکه صداي نهنگ به تصويري تبديل شد که الگوهاي موجود در تصوير قابل رديابي بودند. طيف‌سنج‌ها يا اسپکتروگرام‌ها، ميزان شدت صدا را در بازه‌ي زماني مشخص و با توجه به فرکانس صدا بررسي مي‌کردند. اين روش مي‌تواند براي انواع مختلف موجودات و گونه‌هاي دريايي ديگر نيز مورد استفاده قرار گيرد. محققان سيستم‌هاي بينايي کامپيوتر و يادگيري ماشين، روي موضوع به‌شدت تحقيق و بررسي کرده بودند و در مسير خود، روش‌هاي مختلفي را براي آناليز داده‌ها آزموده بودند. سيستم مبتني بر يادگيري ماشين با کمک نمونه‌هايي از صداي نهنگ گوژپشت و نحوه‌ي برقراري ارتباط وي با ساير نهنگ‌ها، به بررسي داده‌هاي بزرگ مشغول شد تا بتواند صداي نهنگ را از بين حجم زيادي داده شناسايي کند. محققان در نهايت توانستند با آزمايش‌هاي مختلفي که به انجام رساندند، برخي تنظيمات بهينه و مناسب را براي بررسي و تحقيق خود روي سيستم مبتني بر يادگيري ماشين پياده‌سازي کنند. براي مثال آن‌ها متوجه شدند که طول کليپ‌ها در نتايج بررسي تاثيرگذار است. محققان داده‌هايي را که سال‌ها از اعماق دريا ذخيره‌سازي شده بود، به کليپ‌هاي ۷۵ ثانيه‌اي تقسيم کردند. سيستم مبتني بر يادگيري ماشين توانست با دقت ۹۰ درصدي، صداي نهنگ گوژپشت را تشخيص دهد. انجام اين کار به‌معني صرفه‌جويي در زمان و انرژي است. با اينکه سيستم دقت بسيار بالايي ندارد، ولي همين خروجي نيز مي‌تواند براي محققان بسيار ارزشمند باشد. سيستم مبتني بر يادگيري ماشين مي‌تواند همانند دستياري خوب براي بررسي صداهاي اعماق دريا در خدمت متخصصان قرار گيرد. البته تلاش و تحقيق محققان به همين نقطه ختم نشد. در تلاش ديگري که يادگيري بدون نظارت ناميده مي‌شود، محققان موفق شدند که با تنظيم قواعدي، به بررسي شباهت بين صداي نهنگ‌ها با صداي گونه‌هاي جانوري غير نهنگ بپرازند تا بتوانند ساير گونه‌‌هاي جانوري در اعماق دريا را نيز با همين روش تشخيص دهند. نتيجه‌ي چنين بررسي‌هايي به محققان کمک مي‌کند تا بتوانند گروه‌هاي مختلف گونه‌هاي جانوري در اعماق دريا را طبقه‌بندي و شناسايي کنند. نتايج بررسي يادگيري بدون نظارت به‌صورت تصويري نمايش داده شده است. توصيف تصوير به‌نمايش گذاشته‌شده کار ساده‌اي نيست. بي‌شک اين روش در حال حاضر نمي‌تواند جايگزين روش‌هاي سنتي براي تشخيص موجودات زير دريا باشد، ولي مي‌تواند اطلاعاتي را در مورد داده‌هاي بزرگ اعماق دريا در اختيار محققان قرار دهد. در تصوير فوق، قسمت‌هاي آبي‌رنگ نشان‌دهنده‌ي صداهاي مربوط به نهنگ گوژپشت است. بي‌شک محققان تلاش‌هاي خود را براي استفاده از هوش مصنوعي در زمينه‌هاي مختلف ادامه خواهند داد و شاهد نتايج تحقيقاتي آنها در حوزه‌هاي زيست محيطي خواهيم بود. ما را در کانال «آخرين خبر» دنبال کنيد
اخبار بیشتر درباره

اخبار بیشتر درباره