تلاش ۱۵ ساله هوش مصنوعی گوگل برای شناسایی صدای نهنگ گوژپشت در اعماق دریا

    کد خبر :405982

هوش مصنوعی گوگل در حوزه‌های زیست‌محیطی نیز کاربرد دارد. محققان گوگل موفق شدند با سیستم مبتنی بر هوش مصنوعی، صدای نهنگ گوژپشت را در اعماق دریاها شناسایی کنند.

در طی سال‌های متمادی، صداهای اعماق دریا ضبط و مستندسازی شده است و این کار کماکان انجام می‌شود. گوگل و گروهی از متخصصان وال‌شناسی، جهت بررسی صداهای ضبط‌شده، تحقیقاتی مبتنی بر هوش مصنوعی در اعماق دریا انجام داده‌اند.

محققان امیدوارند تا با کمک سیستم‌های مبتنی بر یادگیری ماشین، صدای نهنگ گوژپشت را از بین بقیه‌ی صداها تشخیص دهند. بی‌شک، نتایج این پروژه، تلاشی در جهت استفاده از هوش مصنوعی در حوزه‌‌های زیست‌محیطی است.

نهنگ گوژپشت یا نهنگ کوهان‌دار (Humpback whale)، گونه‌ای از بزرگ‌باله‌داران است که طول آن در حدود ۱۲ تا ۱۶ متر و وزنش در حدود ۳۶۰۰۰ کیلوگرم است. نهنگ گوژپشت در آب‌های اقیانوسی جهان یافت می‌شود. نهنگ‌های کوهان‌دار می‌توانند در هر سال در حدود ۲۵ هزار کیلومتر مهاجرت کنند. یکی از ویژگی‌های جالبت نهنگ‌های گوژپشت این است که دارای نوعی سلول مغزی هستند که تنها در بین انسان‌ها، میمون‌های بزرگ‌ و برخی جانوران آبزی همچون دلفین‌ها وجود دارد. به‌همین دلیل نهنگ‌های گوژپشت رفتارهای متفاوتی نسبت به سایر باله‌داران از خود نشان می‌دهند. این نهنگ‌ها دارای مهارت‌های پیچیده‌ی ارتباطی همچون اتحاد، همکاری و برخی مهارت‌های ارتباطی دیگر هستند.

نهنگ‌های کوهان‌دار بخشی از زمان و انرژی خود را صرف خواندن آواز و تولید صدا در اعماق دریا می‌کنند. هر بار نهنگ گوژپشت آواز می‌خواند در حدود ۱۰ تا ۲۰ دقیقه طول می‌کشد و گاهی ممکن است ساعت‌ها آواز بخوانند. البته انگیزه‌ی خواندن آواز نهنگ‌ها لزوما شکار کردن نیست. برخی معتقدند که وقتی نهنگ کوهان‌دار قصد دارد جفت‌گیری کند، به‌عنوان یکی از آداب جفت‌گیری آواز می‌خواند. آوازهایی که نهنگ‌های کوهان‌دار نر از خود تولید می‌کنند، محبوبیت خاصی دارد.

هوش مصنوعی گوگل و گروهی از متخصصان وال‌شناسی پروژه‌ای برای تشخیص صدای نهنگ گوژپشت از بین صداهای ضبط‌شده در اعماق دریا را آغاز کرده‌اند و به نتایج جالب توجهی هم دست یافته‌اند. این پروژه‌، بخشی از برنامه‌ی جدید «AI for a social good» گوگل است. در طی چند سال گذشته، محققان هوش مصنوعی گوگل، پروژه‌های مختلفی با تاثیر مثبت اجتماعی از جمله پیش‌بینی سیل، حفاظت از نهنگ‌ها و پیش‌بینی قحطی، به‌انجام رسانده‌اند. این پروژه‌ در نظر دارد طیف وسیع‌تری از حوزه‌ها را پوشش دهد و با همکاری سازمان‌های دیگر به حل برخی از مشکلات و مسایل زیست‌محیطی و اجتماعی بپردازد. تصور اینکه هوش مصنوعی تنها در حوزه‌ی تشخیص چهره و برخی حوزه‌های محدود کاربرد داشته باشد، تصور درستی نیست و می‌تواند عملکرد گسترده‌تر را به‌نمایش بگذارد.

نهنگ‌ها برای یافتن غذای مناسب‌تر، آب گرم‌تر و همچنین برقراری روابط اجتماعی در اعماق اقیانوس‌ها حرکت می‌کنند. به‌طور طبیعی ردیابی حرکت‌های نهنگ‌ها کار ساده‌ای نیست؛ ولی فراموش نکنیم که نهنگ‌ها با آواز خواندن اثری از خود در اعماق دریا به‌جا می‌گذارند. آیا می‌توان مسیر حرکت نهنگ‌ها را با ردیابی صدای آوازشان شناسایی کرد؟ در اعماق دریاها و اقیانوس‌ها، دستگاه‌های ضبط صدا قرار داده شده است. با شنیدن صدای نهنگ‌ها از طریق این دستگاه‌های شنیداری می‌توان مسیر حرکت نهنگ‌های گوژپشت را تشخیص داد. در طی سال‌های متمادی که صداهای مختلف اعماق دریا ضبط و مستند می‌شود، محققان مجبور بودند صدای نهنگ گوژپشت را از میان انبوهی از سایر صداها تشخیص دهند. آیا سیستم‌های مبتنی بر هوش مصنوعی می‌تواند صدای نهنگ‌های گوژپشت را به‌روشی ساده‌تر و سریع‌تر ردیابی کنند؟ محققان هوش مصنوعی گوگل با همکاری NOAA، تصمیم گرفتند نتایج بررسی خود را که با سیستم‌های مبتنی بر هوش مصنوعی و به‌کارگیری سیستم‌های یادگیری ماشین انجام شده بود، با آنچه به‌صورت دستی انجام می‌شود مطابقت بدهند.

استفاده از روش‌های مبتنی بر هوش مصنوعی، فوق‌العاده است. با آن همه سروصدای مختلفی که در اعماق دریاها وجود دارد، هوش مصنوعی می‌تواند داده‌های زیادی که از طریق تلکسوپ‌های رادیویی و دوربین‌های نظارت تصویری به سیستم داده می‌شود، تجزیه و تحلیل کند و برای این‌ کار از الگوهای خاصی کمک می‌گیرد.

در این مورد، داده‌های ارائه‌شده به سیستم مبتنی بر هوش مصنوعی، مستندات مربوط به دوازده هیدروفون است که برای سال‌ها در سراسر اقانوس آرام، به ضبط و مستندسازی مشغول بوده است. این مجموعه‌ی داده‌ها، قبلا به‌صورت گسترده مورد بررسی قرار گرفته است؛ اما محققان گوگل در نظر داشتند که با سیستم مبتنی بر هوش مصنوعی بتوانند به بررسی داده‌ها بپردازند و حجم بررسی داده‌های زیاد و کار سخت و طاقت‌فرسا را به حداقل برسانند.

در این مرحله، سیستم مبتنی بر هوش مصنوعی باید صدای نهنگ گوژپشت را شناسایی می‌کرد؛ هرچند به‌نظر می‌رسد که امکان شناسایی سایر نهنگ‌ها یا موجودات دریایی با کمک سیستم مبتنی بر هوش مصنوعی می‌تواند در دستور کار تیم تحقیقاتی قرار گیرد.

شاید برای شما هم جالب باشد که بدانید در این پروژه، صدای نهنگ گوژپشت مورد تجزیه‌ و تحلیل قرار نگرفت. بلکه صدای نهنگ به تصویری تبدیل شد که الگوهای موجود در تصویر قابل ردیابی بودند. طیف‌سنج‌ها یا اسپکتروگرام‌ها، میزان شدت صدا را در بازه‌ی زمانی مشخص و با توجه به فرکانس صدا بررسی می‌کردند. این روش می‌تواند برای انواع مختلف موجودات و گونه‌های دریایی دیگر نیز مورد استفاده قرار گیرد. محققان سیستم‌های بینایی کامپیوتر و یادگیری ماشین، روی موضوع به‌شدت تحقیق و بررسی کرده بودند و در مسیر خود، روش‌های مختلفی را برای آنالیز داده‌ها آزموده بودند.

سیستم مبتنی بر یادگیری ماشین با کمک نمونه‌هایی از صدای نهنگ گوژپشت و نحوه‌ی برقراری ارتباط وی با سایر نهنگ‌ها، به بررسی داده‌های بزرگ مشغول شد تا بتواند صدای نهنگ را از بین حجم زیادی داده شناسایی کند. محققان در نهایت توانستند با آزمایش‌های مختلفی که به انجام رساندند، برخی تنظیمات بهینه و مناسب را برای بررسی و تحقیق خود روی سیستم مبتنی بر یادگیری ماشین پیاده‌سازی کنند. برای مثال آن‌ها متوجه شدند که طول کلیپ‌ها در نتایج بررسی تاثیرگذار است.

محققان داده‌هایی را که سال‌ها از اعماق دریا ذخیره‌سازی شده بود، به کلیپ‌های ۷۵ ثانیه‌ای تقسیم کردند. سیستم مبتنی بر یادگیری ماشین توانست با دقت ۹۰ درصدی، صدای نهنگ گوژپشت را تشخیص دهد. انجام این کار به‌معنی صرفه‌جویی در زمان و انرژی است. با اینکه سیستم دقت بسیار بالایی ندارد، ولی همین خروجی نیز می‌تواند برای محققان بسیار ارزشمند باشد. سیستم مبتنی بر یادگیری ماشین می‌تواند همانند دستیاری خوب برای بررسی صداهای اعماق دریا در خدمت متخصصان قرار گیرد.

البته تلاش و تحقیق محققان به همین نقطه ختم نشد. در تلاش دیگری که یادگیری بدون نظارت نامیده می‌شود، محققان موفق شدند که با تنظیم قواعدی، به بررسی شباهت بین صدای نهنگ‌ها با صدای گونه‌های جانوری غیر نهنگ بپرازند تا بتوانند سایر گونه‌‌های جانوری در اعماق دریا را نیز با همین روش تشخیص دهند. نتیجه‌ی چنین بررسی‌هایی به محققان کمک می‌کند تا بتوانند گروه‌های مختلف گونه‌های جانوری در اعماق دریا را طبقه‌بندی و شناسایی کنند.

نتایج بررسی یادگیری بدون نظارت به‌صورت تصویری نمایش داده شده است. توصیف تصویر به‌نمایش گذاشته‌شده کار ساده‌ای نیست. بی‌شک این روش در حال حاضر نمی‌تواند جایگزین روش‌های سنتی برای تشخیص موجودات زیر دریا باشد، ولی می‌تواند اطلاعاتی را در مورد داده‌های بزرگ اعماق دریا در اختیار محققان قرار دهد. در تصویر فوق، قسمت‌های آبی‌رنگ نشان‌دهنده‌ی صداهای مربوط به نهنگ گوژپشت است.

بی‌شک محققان تلاش‌های خود را برای استفاده از هوش مصنوعی در زمینه‌های مختلف ادامه خواهند داد و شاهد نتایج تحقیقاتی آنها در حوزه‌های زیست محیطی خواهیم بود.

0
نظرات
نشانی ایمیل شما منتشر نخواهد شد نظرات حاوی الفاظ و ادبیات نامناسب، تهمت و افترا منتشر نخواهد شد

دیدگاهتان را بنویسید