دانشمندان در حال ترکیب هوش مصنوعی با فناوریهای پیشرفته رایانهای هستند تا حشرات را با سرعت فوقالعاده شناسایی کنند که این امر امکانات جدیدی را برای توصیف گونههای ناشناخته و شناسایی بیشتر و بهتر زندگی حشرات در مکانها و زمانهای مختلف ایجاد میکند. حشرات متنوعترین گروه حیوانات روی زمین هستند اما تاکنون فقط بخش کوچکی از این حیوانات کشف و به طور رسمی توصیف شدهاند. در حقیقت گونههای زیادی از حشرات کشف نشده وجود دارند که کشف همه آنها در آینده نزدیک بعید به نظر میرسد. همچنین این تنوع عظیم حشرات به این معنی است که آنها تاریخچه زندگی و نقش بسیار متفاوتی در اکوسیستمها ایفا میکنند.
به عنوان مثال ، یک زنبور در گرینلند زندگی بسیار متفاوتی با زندگی یک زنبور مشابه در جنگلهای بارانی برزیل دارد. اما در داخل هر یک از این دو گروه هم گونههای بیشماری وجود دارند که هر کدام دارای ویژگیهای خاص و نقشهای اکولوژیکی منحصر به فرد خود هستند. برای بررسی گونههای مختلف و شناسایی تفاوتهای آن با گونههای دیگر، لازم است تعداد زیادی از حشرات را صید، شناسایی و شمارش کنید. بدیهی است که این کار یک فرآیند بسیار زمانبر است و تا حد زیادی توانایی دانشمندان را در دستیابی به بینش در مورد چگونگی شکلگیری عوامل خارجی در زندگی حشرات محدود کرده است.
یک مطالعه جدید منتشر شده در مجموعه مقالات آکادمی علوم ملی نشان میدهد که چگونه فناوری پیشرفته رایانهای و هوش مصنوعی میتواند به سرعت و به طور موثر حشرات را شناسایی و شمارش کنند. این یک گام بزرگ برای دانشمندان این حوزه است تا به عنوان مثال بتوانند بفهمند که این گروه مهم از موجودات زنده چگونه در طول زمان و در پاسخ به از دست دادن زیستگاه و تغییرات آب و هوایی خود را تطبیق میدهند.
یادگیری عمیق
با کمک فنآوری پیشرفته هوش مصنوعی و دوربینها اکنون میتوانیم میلیونها عکس را جمعآوری کنیم. هنگامی که ما به کامپیوتر یاد میدهیم گونههای مختلف را از یکدیگر تشخیص دهد کامپیوتر میتواند به سرعت گونههای جدید را توسط تصاویر شناسایی کند.
توک تی هایه از گروه علوم زیستی و مرکز تحقیقات قطب شمال در دانشگاه آرهوس، که ریاست این مطالعه جدید را بر عهده داشت، اذعان داشت که تیم بین المللی دراین تحقیق شامل زیست شناسان، آمارشناسان و مهندسان مکانیک، برق و نرمافزار خواهد بود.
روش توصیف شده در این مقاله تحت اصطلاح “چتر یادگیری عمیق” نامگذاری شده است و نوعی از هوش مصنوعی را شامل میشود که بیشتر در زمینه تحقیق درباره تولید اتومبیلهای بدون راننده استفاده شده است. اما اکنون محققان نشان دادهاند که چگونه این فناوری میتواند جایگزینی برای کار پرزحمت مشاهده دستی در محیط طبیعی و همچنین مرتبسازی و شناسایی نمونههای مختلف حشرات باشد.
توک تی هایه گفت: “ما حتی میتوانیم از یادگیری عمیق برای یافتن یک سوزن در انبار کاه استفاده کنیم! هوش مصنوعی به راحتی میتواند نمونه یک گونه نادر یا غیر قابل توصیف را در میان همه نمونههای موجود پیدا کند. در آیندهی نزدیک همهی کارهای بیاهمیت را میتوان توسط کامپیوترها انجام داد و ما میتوانیم بر وظایفی سختتر مانند توصیف گونههای جدید که تاکنون ناشناخته بوده متمرکز شویم.”
وقتی که صحبت از حشرهشناسی و تحقیق در مورد حشرات و سایر بیمهرگان میشود، یک مشکل بزرگ عدم وجود پایگاههای اطلاعاتی مناسب برای مقایسه گونههای ناشناخته با گونههایی است که قبلاً کشف شدهاند. به این دلیل که سهم زیادی از محققان بر روی گونههای پرندگان و پستانداران تمرکز دارند. انتظار میرود که با فناوری یادگیری عمیق و هوش مصنوعی، محققان حوزه حشرهشناسی بتوانند به سرعت دانش در مورد حشرات را به میزان قابل توجهی ارتقا دهند.”
ضرورت دریافت دادههای طولانی مدت
برای درک چگونگی تغییر جمعیت حشرات در طول زمان، مشاهدات باید در همان مکان و به همان روش در مدت زمان طولانی انجام شود. در طول زمان بعضی از گونهها تعدادشان بیشتر و بعضی دیگر نادرتر میشوند، اما برای درک مولفههایی که باعث این تغییرات میشوند مهم است که مشاهدات سال به سال و مستمر انجام شود.
یک روش آسان نصب دوربینها در یک مکان و عکس گرفتن از مناطق است. به عنوان مثال، دوربینها میتوانند هر دقیقه یک عکس بگیرند و این به شما انبوهی از دادهها را نوید میدهد که توسط آن در طول سالها میتوانید از نحوه واکنش حشرات به آب و هوای گرم یا تغییرات ناشی از مدیریت زمین مطلع شوید. چنین دادههایی میتوانند به ابزاری مهم برای اطمینان از تعادل مناسب بین استفاده انسان و حفاظت از منابع طبیعی تبدیل شوند.
توک تی هایه میگوید : “هنوز چالشهایی وجود دارند تا این روشهای جدید به طور گسترده مورد استفاده قرار گیرند، اما مطالعه ما موفقیتهایی را نوید میدهد که میتواند به حل چالشهای حشرهشناسی کمک کند. در اینجا ما شاهد یک همکاری بسیار مهم و نزدیک میان رشتهای بین زیستشناسان و مهندسان هستیم.”