چگونه هوش مصنوعی از تلاش‌های جهانی تنوع زیستی پشتیبانی می‌کند، IBM Insights

توانایی هوش مصنوعی برای پردازش مقادیر عظیمی از داده ها و الگوهای نقطه ای می تواند به درک عوامل پیچیده و مرتبط علت و معلولی که بر تنوع زیستی محلی و جهانی تأثیر می گذارد کمک کند.

IBM اخیراً برخی از موارد را برجسته کرده است راه هایی که هوش مصنوعی می تواند از تنوع زیستی پشتیبانی کند و موارد استفاده که در آن فناوری آن پروژه ها را در سراسر جهان پشتیبانی کرده است.

پردازش داده های ماهواره ای

ماهواره‌های Sentinel-2 آژانس فضایی اروپا هر پنج روز یک‌بار تصاویری از سطح زمین، مناطق ساحلی و آب‌های داخلی زمین جمع‌آوری می‌کنند که به طور متوسط ​​روزانه 3.2 ترابایت داده است. پیش‌بینی‌های آب‌وهوای ایجاد شده توسط مرکز اروپایی پیش‌بینی‌های هوای متوسط ​​می‌تواند تا 250 ترابایت در روز مصرف کند.

به گفته آدام تامپسون، رهبر ارائه‌های مالی پایدار جهانی و ESG در IBM Consulting، هوش مصنوعی می‌تواند نحوه مدیریت، پردازش و درک این مقادیر غیرقابل نفوذ اطلاعات را تغییر دهد.

او گفت: «در گذشته، بیان مشکل این بود که چگونه می‌توان به طور مؤثر بر روی مشکلات زمین‌فضایی دلخواه در مجموعه داده‌های ناهمگن از رصد زمین از طریق خروجی مدل آب‌وهوا گرفته تا حسگرهای اینترنت اشیا کار کرد.»

از نقطه نظر ظرفیت، برای بسیاری از سازمان‌ها به وضوح امکان‌پذیر نیست که چنین حجمی از داده‌ها را برای اهداف مدل‌سازی مدیریت کنند.»

در حالی که هوش مصنوعی مولد متهم به ایجاد مشکلات پایداری خودش است، می تواند پاسخگو باشد. به گفته تامپسون، محققان می‌توانند مدل‌های کوچک‌تری مانند مدل‌های پایه گرانیت IBM را برای اهداف خاص مرتبط با پایداری، مانند رصد زمین و مصرف انرژی، به کار گیرند.

مرتبط:IBM از Granite 3.0 به عنوان مدل هوش مصنوعی «Workhorse» رونمایی کرد

تامپسون می‌گوید: «دقت مدل‌سازی با استفاده از مدل‌های پایه به کاربران کمک می‌کند تا نتایج را بهبود بخشند».

ردیابی فیل های جنگلی آفریقا

صندوق جهانی طبیعت (WWF) آلمان سال گذشته از ابزارهای Maximo Visual Inspection (MVI) IBM برای WWF – آلمان استفاده کرد. ردیابی حرکات فیل های جنگلی آفریقا در حوضه کنگو، دومین جنگل بزرگ بارانی جهان.

فیل‌های جنگلی آفریقایی به‌عنوان «مهندسین اکوسیستم» نقش حیاتی ایفا می‌کنند و پوشش گیاهی کمتر مهم را پاک می‌کنند تا گونه‌های انعطاف‌پذیرتر بتوانند رشد کنند. با این حال، جمعیت برای چندین دهه به دلیل از بین رفتن زیستگاه، تغییرات آب و هوایی و شکار غیرقانونی در حال کاهش شدید بوده است.

تیم WWF از IBM Maximo Visual Inspection (MVI) با تله‌های دوربین خود برای نظارت و ردیابی تک تک فیل‌ها استفاده کرد که می‌توان آن‌ها را با شکل منحصر به فرد سر و عاج آنها شناسایی کرد.

نظارت بر صخره های مرجانی

فناوری مشابه به نظارت بر سلامت صخره‌های مرجانی کمک می‌کند. تغییرات آب و هوایی باعث افزایش دمای دریاها می شود که به نوبه خود منجر به سفید شدن مرجان ها می شود که زمانی است که مرجان ها جلبک های ساکن در بافت های خود را بیرون می کنند و آنها را سفید می کنند. دانشمندان تخمین می زنند 25 درصد از کل حیات دریاها در برخی از مراحل چرخه زندگی به صخره های مرجانی بستگی دارد.

مرتبط:برنامه تقویت‌شده با هوش مصنوعی به نظارت و محافظت از صخره‌های مرجانی جهان کمک می‌کند

آی‌بی‌ام با شرکت ریف، که صخره‌های مصنوعی را برای احیای صخره‌های از دست رفته در اثر تغییرات آب و هوایی می‌سازد، برای جمع‌آوری داده‌هایی در مورد چگونگی تغییر اقیانوس و مکان‌هایی که صخره‌ها مورد نیاز است، همکاری کرد. آنها از پلت فرم داده های اقیانوس BluBoxx IBM برای جمع آوری داده های حسگر استفاده کردند که شوری، دما، pH، اکسیژن محلول، فشار و دی اکسید کربن را اندازه گیری می کند.

هوش مصنوعی می‌تواند به پردازش این داده‌ها کمک کند تا بینش‌های فوری در مورد وضعیت صخره‌ها ارائه دهد و درک چگونگی تغییر یک اکوسیستم در طول زمان را ارائه دهد.

تامپسون گفت: “امروزه، ما حجم عظیمی از داده ها را داریم، اما همیشه قابل دسترسی، مرتبط یا به طور مداوم با استانداردهای علمی محاسبه نمی شوند.”

ما برای شناسایی ریسک و فرصت و اقدامات اصلاحی به داده‌های قابل اعتماد و شفاف نیاز داریم.»