«گوگل» یک سیستم هوش مصنوعی جدید برای حفاظت از حیات وحش معرفی نمود

پژوهشگران در نقاط مختلف جهان از دوربین‌های تله‌ای، که نوعی از دوربین‌های دیجیتال متصل به حسگرهای فروسرخ هستند، به منظور مطالعه حیات وحش استفاده می‌کنند. گرچه این دوربین‌ها می‌توانند اطلاعاتی با ارزش ارائه دهند، اما به دلیل حجم بالای داده‌هایی که تولید می‌کنند، فرایند بررسی آن‌ها ممکن است مدت‌زمان زیادی، از چند روز تا هفته‌ها، به طول بینجامد.

طبق اطلاعات منتشر شده توسط تک کرانچ، به منظور تسهیل فعالیت‌های پژوهشگران حیات وحش، گوگل حدود ۶ سال پیش پلتفرم «Wildlife Insights» را ایجاد کرد که بخشی از برنامه «Google Earth Outreach» این شرکت است. این پلتفرم محیطی را فراهم می‌آورد که پژوهشگران قادر هستند تصاویر حیات وحش را به صورت آنلاین به اشتراک بگذارند و بر روی آن‌ها کار کنند و همچنین برای تسریع در تحلیل داده‌های دوربین‌های تله‌ای با یکدیگر همکاری نمایند.

بسیاری از فناوری‌های تحلیل داده در Wildlife Insights به وسیله مدل «SpeciesNet» پشتیبانی می‌شود که بر اساس ادعای گوگل، بر روی بیش از ۶۵ میلیون تصویر عمومی آموزش دیده است. این تصاویر از نهادهایی نظیر «موسسه زیست‌شناسی حفاظت اسمیتسونین»، «انجمن حفاظت از حیات وحش»، «موزه علوم طبیعی کارولینای شمالی» و «انجمن جانورشناسی لندن» جمع‌آوری شده‌اند.

گوگل اعلام می‌کند که SpeciesNet قادر است تصاویر را به یکی از بیش از ۲۰۰۰ دسته مختلف که شامل گونه‌های جانوری و موارد غیر حیوانی مانند خودروها می‌شود، طبقه‌بندی کند.

در یک پست وبلاگی که روز دوشنبه منتشر شد، گوگل اشاره کرد که انتشار مدل هوش مصنوعی SpeciesNet به توسعه‌دهندگان، محققان دانشگاهی و استارت‌آپ‌های مرتبط با حفظ تنوع زیستی این امکان را می‌دهد که نظارت بر تنوع زیستی را در مناطق طبیعی به صورت مقیاس‌پذیر انجام دهند.

مدل هوش مصنوعی SpeciesNet با مجوز «آپاچی ۲.۰» (Apache 2.0) بر روی وب‌سایت «گیت‌هاب» (GitHub) در دسترس است؛ به این معنا که می‌توان از آن به شکل گسترده و تقریباً بدون محدودیت برای مقاصد تجاری استفاده کرد.

به علاوه، ذکر این نکته ضروری است که هوش مصنوعی گوگل تنها مدل باز برای اتوماسیون تحلیل تصاویر دوربین‌های تله‌ای نیست. هوش مصنوعی «AI for Good Lab» شرکت «مایکروسافت» نیز چارچوبی به نام «PyTorch Wildlife» را دارا است که برای تشخیص و طبقه‌بندی حیوانات، مدل‌های از پیش آموزش‌دیده را به خوبی تنظیم می‌کند.