ماذا حدث؟
في خطوة جديدة نحو تسخير الذكاء الاصطناعي لخدمة علوم البيئة، أعلنت شركة “غوغل” عن إطلاق نموذج الذكاء الاصطناعي SpeciesNet، الذي صُمم خصيصًا لمساعدة الباحثين في تحديد أنواع الحيوانات عبر تحليل الصور الملتقطة بواسطة مصائد الكاميرات.
ثورة في تحليل بيانات الحياة البرية
يعتمد العلماء على مصائد الكاميرات، المزودة بمستشعرات الأشعة تحت الحمراء، لمراقبة الحيوانات دون إزعاجها. ورغم فائدتها، تنتج كميات هائلة من البيانات التي قد تستغرق أسابيع لتحليلها يدويًا، وهنا يأتي الذكاء الاصطناعي لتسريع العملية بشكل غير مسبوق.
Wildlife Insights.. منصة لتحليل ومشاركة البيانات
ولم تكن هذه الخطوة هي الأولى لغوغل في هذا المجال، فقبل ست سنوات، أطلقت غوغل منصة Wildlife Insights، التي تتيح للباحثين تخزين وتحليل صور الحياة البرية ومشاركتها. وتعتمد المنصة على SpeciesNet لفرز البيانات وتصنيفها بكفاءة، مما يساعد العلماء في دراسة أعداد الحيوانات وسلوكها بدقة.
كيف يعمل نموذج SpeciesNet؟
وفقًا لموقع TechCrunch، تم تدريب SpeciesNet على أكثر من 65 مليون صورة من مصادر متنوعة، مثل معهد سميثسونيان وجمعية الحفاظ على الحياة البرية. وبفضل ذلك، يمكنه تصنيف الصور ضمن 2000 فئة، تشمل أنواعًا محددة كـ”النمور” و”الغزلان”، وتصنيفات أوسع مثل “الثدييات” و”الطيور”، وحتى أشياء غير حية كـ”المركبات”.
لماذا هذا مهم؟
في إطار تعزيز البحث العلمي والتعاون العالمي، أعلنت غوغل عن إتاحة نموذج SpeciesNet على منصة GitHub بموجب ترخيص Apache 2.0، مما يسمح باستخدامه تجاريًا مع حد أدنى من القيود. وتقول الشركة إن هذا القرار سيفتح المجال أمام المطورين والأكاديميين والشركات الناشئة المتخصصة في علوم البيئة للاستفادة من النموذج في مراقبة التنوع البيولوجي وتحليل البيانات بشكل أكثر دقة وكفاءة.
مايكروسوفت تنافس بأدواتها الخاصة
رغم ريادة غوغل، فهي ليست الوحيدة في تطوير أدوات مفتوحة المصدر لتحليل بيانات الحياة البرية. إذ يدير مختبر الذكاء الاصطناعي لمايكروسوفت مشروع PyTorch Wildlife، الذي يوفر نماذج مدربة مسبقًا للكشف عن الحيوانات وتصنيفها بدقة، مما يعكس اهتمام كبرى شركات التكنولوجيا بهذا المجال.
ماذا بعد؟
مع التطور السريع للذكاء الاصطناعي، يشهد مجال دراسة الحياة البرية تحولًا جذريًا، حيث أصبحت التكنولوجيا عنصرًا أساسيًا في مراقبة الحيوانات وحماية الأنواع المهددة بالانقراض. وبفضل أدوات مثل SpeciesNet وPyTorch Wildlife، يمكن للعلماء تحليل كميات هائلة من البيانات بسرعة، مما يتيح قرارات أكثر دقة للحفاظ على التنوع البيولوجي.
