در تلاش برای مهار ماهیگیری غیرقانونی، محققان از یک مدل هوش مصنوعی متنباز جدید رونمایی کردهاند که میتواند با دقت مشخص کند که تقریباً همه کشتیهای اقیانوسپیما در جهان چه کاری انجام میدهند، از جمله اینکه آیا یک قایق به طور بالقوه به طور غیرقانونی ماهیگیری میکند یا خیر.
Ai2 (مؤسسه آلن برای هوش مصنوعی) مستقر در سیاتل اخیراً یک مدل سبک وزن به نام آتلانتس را منتشر کرده است تا بیش از پنج میلیارد سیگنال GPS در روز را که از نزدیک به 600000 کشتی اقیانوسپیما در جهان ساطع میشود، تجزیه و تحلیل کند.
این مدل می تواند با دقت حدود 80٪ پیش بینی کند که تقریباً هر کشتی در هر لحظه چه کاری انجام می دهد.
اگر به نظر برسد که یک کشتی به طور غیرقانونی ماهیگیری می کند، این مدل، که در پلتفرم بزرگتر نظارت دریایی Ai2، Skylight، ادغام شده است، می تواند هشدارهایی را به گارد ساحلی، کشتی های گشتی یا سایر کاربران مشابه ارسال کند.
در اوایل سال جاری، نیروی دریایی آرژانتین - و بعداً جریمه - یک کشتی را به دلیل ماهیگیری غیرقانونی در منطقه اقتصادی انحصاری خود توقیف کرد، پس از اینکه Skylight به دلیل رفتار مشکوک کشتی به آن هشدار داد.
آتلانتس یک مدل مبتنی بر ترانسفورماتور با پارامتر 4.7M است که بر روی GPU های هسته تنسور NVIDIA H100 و PyTorch آموزش داده شده است. برای دادههای آموزشی، تیم Ai2 از پیامهای سیستم شناسایی خودکار (AIS) استفاده کرد—که تقریباً هر کشتی ملزم به پخش آن است—از ژانویه 2022 تا ژوئن 2024. برای کمک به تنظیم دقیق مدل و بهبود توانایی آن در شناسایی فعالیت یک کشتی، Ai2 20 کارشناس دریایی را استخدام کرد تا دادههای مکانی را که شامل بیش از 15 میلیون سیگنال مرتبط با مکان است، حاشیهنویسی کنند.
این مدل تقریباً ظرف 15 دقیقه پس از اولین تشخیص فعالیت بالقوه غیرقانونی به مقامات هشدار می دهد. این نوع دقت و چابکی - با در نظر گرفتن اینکه 71٪ از سطح زمین، یا 139 میلیون مایل مربع، توسط اقیانوس ها پوشیده شده است - شبیه به شناسایی معمول یک سوزن میکروسکوپی در یک انبار کاه، در مقیاس بزرگ است.
پلتفرم Skylight می تواند نزدیک به دو ترابایت اطلاعات را در روز پردازش کند. این داده ها شامل فرکانس رادیویی، اطلاعات ماهواره ای - از جمله داده های در دسترس عموم از ناسا و آژانس فضایی اروپا Sentinel-2 - و مهمتر از همه، داده های موقعیت مکانی منحصر به فرد AIS است که تقریباً هر کشتی پخش می کند.
Skylight از طریق وب و همچنین به عنوان یک سرویس مبتنی بر API در دسترس است و به صورت رایگان به دولت ها و حافظان محیط زیست ارائه می شود.
مخاطرات برای رسیدگی به ماهیگیری غیرقانونی، گزارش نشده و تنظیم نشده (IUU) به ویژه در کشورهای فقیرتر زیاد است.
به گزارش ائتلاف شفافیت مالی (FTC)، هر سال، ماهیگیری IUU به میزان 23 میلیارد دلار از دست دادن شیلات جهانی - یا حدود 20 درصد از صید شیلات جهان - را نشان می دهد.
FTC گزارش داد، تقریباً نیمی از کل کشتیهای درگیر در ماهیگیری IUU در آبهای آفریقایی فعالیت میکنند، جایی که جمعیتهای محلی به طور نامتناسبی به ماهیگیری برای کار و به عنوان منبع اصلی پروتئین خود متکی هستند.
نامراتا کولا، سرپرست برنامه Skylight در Ai2، گفت: «هدف از کاری که ما انجام میدهیم این است که به کشورهای کممنابع کمک کنیم تا از آبها، منابع طبیعی و معیشت خود محافظت کنند.» «هوش مصنوعی این امکان را برای آژانسهای مجری قانون فراهم کرده است تا به قابلیتهایی دست یابند که به طور سنتی نمیتوانستند به آنها دسترسی داشته باشند، مانند شناسایی رفتارهای مهم در میان انبوهی از مجموعه دادهها.»
جاه طلبی های Ai2 برای آتلانتس در لبه آب متوقف نمی شود.
در آینده، Ai2 قصد دارد آتلانتس را تطبیق دهد و آن را در یکی دیگر از پلتفرم های حفاظت خود، EarthRanger، ادغام کند.
EarthRanger مقادیر زیادی داده را از منابع مختلف، از جمله ماهواره ها، تله های دوربین زمینی، حسگرهای صوتی و حیوانات - مانند فیل ها، کرگدن ها و سگ های وحشی - مجهز به دستگاه های ردیابی جمع آوری می کند.
این به مقامات حفاظت از محیط زیست نمای پرنده ای از داده های مربوط به حیات وحش را نشان می دهد که بر روی نقشه ها پوشانده شده است - از جمله پناهگاه های حیات وحش و مرزهای ملی - و در صورت شناسایی فعالیت نگران کننده هشدار می فرستد.
در آینده نزدیک، Ai2 قصد دارد مدل آتلانتس خود را برای پیش بینی رفتار فیل ها آموزش دهد تا به کاهش موارد تعارض انسان و فیل کمک کند.
جس لِفکورت، مدیر EarthRanger، خاطرنشان کرد که تعارض انسان و حیات وحش اکنون یکی از بزرگترین تهدیدهایی است که فیل ها با آن روبرو هستند. شکارچیان همچنان فیل ها را به خاطر عاج هایشان هدف قرار می دهند. اما هر سال تعداد فزاینده ای از فیل ها در درگیری با کشاورزان بر سر محصولات کشاورزی می میرند.
Ai2 از طریق دهه ها کار خود در فضای حفاظت جهانی، با شرکا همکاری کرده است تا بزرگترین مجموعه داده جهان از حرکات فیل ها را جمع آوری کند. امروزه، به طور مداوم ده ها هزار فیل را که با دستگاه های ردیابی یقه گذاری شده اند، ردیابی می کند. از آنجایی که فیل ها معمولاً به صورت گله ای حرکت می کنند، این داده ها نشان دهنده حدود یک سوم جمعیت فیل های جهان است.
لفکورت گفت: «ما قصد داریم از تمام این دادههای حرکت فیلها، همراه با دادههای تاریخی مربوط به محل وقوع تعارضهای انسان و حیات وحش، استفاده کنیم و به مدل آموزش دهیم تا به این سؤال پاسخ دهد: «حرکات یک فیل قبل از وقوع یک رویداد درگیری انسان و حیات وحش چگونه به نظر میرسد؟»
متخصصان حفاظت از محیط زیست و مقامات محلی می توانند با در دست داشتن این داده های دقیق فیل، با کشاورزان و جوامع همکاری کنند تا قبل از اینکه فیل ها با انسان ها درگیر شوند، آنها را متوقف کنند.
لفکورت گفت: «به طرز شگفتانگیزی، همان زیرساختی که برای طبقهبندی کشتیهای ماهیگیری استفاده میشود، همان زیرساختی است که ما قصد داریم از آن برای پیشبینی رفتار فیلها و تلاش برای نجات جان فیلها استفاده کنیم.»
اطلاعات بیشتر در مورد مدل ترانسفورماتور Skylight and the Atlantes را بخوانید و اطلاعات تکمیلی درباره هشدارهای بیدرنگ EarthRanger’s را بررسی کنید.