هوش مصنوعی دوستدار زمین
![هوش مصنوعی دوستدار زمین](/files/fa/news/1401/3/22/96432_631.jpg)
هوش مصنوعی نقش کلیدی در کاهش جنگلزدایی در هر زمان و هر جای ممکن دارد. در حقیقت با استفاده از هوش مصنوعی، میتوان با شمارش درختان و ردیابی جنگلزداییهای غیرقانونی، دادههای حاصل را سریعاً به سازمانهای حفاظت از محیط زیست ارسال کرد. هوش مصنوعی به شبیهسازی هوش انسانی در ماشینهایی اشاره دارد که طوری برنامهریزی شدهاند که مانند انسانها فکر کنند و اعمال آنها را تقلید کنند. در حقیقت ویژگیهای مرتبط با ذهن انسان مانند حل مساله را نشان میدهد و این پتانسیل را دارد که تلاشهای جهانی برای حفاظت از جنگلها و حفظ منابع را با تشخیص و حذف انتشار گاز کربندیاکسید پیشبینی وضعیت آب و هوایی و در نتیجه کمک به توسعه شبکههای حمل و نقل سبز، سرعت ببخشد. از هوش مصنوعی میتوان به جهت تعیین گونههای مختلف درختان، حجم چوب یا حتی محاسبه ابعاد درختان، استفاده کرد. همچنین، هنگامی که ماشین آلات مبتنی بر هوش مصنوعی در این زمینه استفاده میشود، موارد آسیب حین کار به میزان زیادی کاهش مییابد که این امر ایمنی و راحتی اپراتورها را تضمین میکند. کاربردهای مختلفی از هوش مصنوعی در جنگلداری وجود دارد که با گردآوری تکنیکهای مختلف به زندگی جنگلی ارزش میبخشند.
با توجه به نقش حیاتی که جنگلها در اکوسیستم جهانی بدون توجه به مرزها ایفا میکنند، حفاظت از جنگلها به عنوان یک ماموریت حیاتی مطرح است. در واقع، جنگلها تقریباً ۳۰ درصد از مساحت زمین را پوشش میدهند، میزبان ۸۰ درصد از تنوع زیستی زمین و منبع طبیعی جذب و ذخیره کربن هستند.
علاوه بر این، جنگلها سرچشمه منابع آب پاک، تنظیمکننده آب و هوا، عاملی برای محافظت در برابر بلایای طبیعی و همچنین منبعی از انرژیهای تجدیدپذیر هستند. همانطور که سازمان ملل و کمیسیون اروپا تایید کردهاند، یکی از دغدغههای حال حاضر این است که در پی افزایش جمعیت، جنگلها با سرعت نگرانکنندهای قطع میشوند و افزایش نرخ جنگلزدایی، تنوع زیستی غنی آنها را در چندین بخش از جهان از بین برده است.
از آغاز کشاورزی در ۱۲ هزار سال پیش تعداد درختان در سراسر جهان ۴۶ درصد کاهشیافته و بیش از ۱۵ میلیارد درخت هرساله قطع میشود. این عمل پیامدهای قابل توجهی برای سیاره زمین از نظر تغییرات آب و هوایی، تنوع زیستی و رفاه انسان را به دنبال خواهد داشت. گروه کشاورزی و منابع طبیعی دیجیتال پژوهشگاه فضای مجازی با بررسی فرصتهای هوش مصنوعی در جهت افزایش گسترده جمعآوری و تجزیه و تحلیل دادهها برای حفاظت از محیط زیست، به جستوجوی پاسخ به این سوال رفته که چگونه میتوانیم با کمک هوش مصنوعی جهان را سبزتر کنیم؟
هوش مصنوعی دوستدار زمین
اصطلاح «هوش مصنوعی دوستدار زمین» به عنوان راهی برای افزایش گسترده جمعآوری و تجزیه و تحلیل دادهها برای حفاظت از محیط زیست و جنگلها معرفی شده است. استفاده از پتانسیلهای هوش مصنوعی در مدیریت منابع طبیعی و جنگل برای اولینبار توسط «Coulson» و همکاران در سال ۱۹۸۷، در توسعه سیستمهای خبره برای حل مسائل و اتخاذ تصمیم و پس از آن به عنوان روشی جایگزین در مدلسازی پدیدههای غیرخطی و پیچیده علوم جنگل به کار گرفته شد.
برخی از کاربردهای فناوری هوش مصنوعی
هوش مصنوعی و افزایش دقت نظارت بر جنگل؛ بخشی از مشکل در فرآیند تخریب جنگلها، نبود نظارت کافی بر جنگلها است که به دلیل چالشهای موجود در دستیابی به دادههای مکانی دقیق و منسجم ایجاد شده است. به ویژه زمانی که دقت و قابلیت اطمینان بیشتری نیاز باشد؛ به عنوان مثال، پشتیبانی از فناوریهای ماهوارهای امکان ردیابی سریع و نظارت دقیقتر تاج پوشش جنگلی را فراهم میکند. فیلتر کردن مقادیر زیادی از دادهها میتواند زمان بر باشد و سبب ایجاد کار فشرده و تحمیل هزینه زیادی شود. از این رو هوش مصنوعی میتواند به کار بیاید و دقت بر نظارت بر جنگل را از طریق دادهها فراهم کند.
هوش مصنوعی ابزاری عالی برای ایجاد سناریوی شبیهسازی جنگل؛ سیستم بهینهسازی شبیهسازی جنگل، یک سیستم مبتنی بر هوش مصنوعی است که به جهت تجزیه و تحلیل و برنامهریزی چند منظوره جنگل توسعه یافته است و برنامهریزی عملیات کوتاهمدت و برنامهریزی استراتژیک بلندمدت را در یک مدل ادغام میکند. این سیستم یک ابزار عالی به جهت شبیهسازیها و بهینهسازی مدیریت جنگل است. به کمک آن میتوان سناریوهای مدیریتی را مقایسه و جنگلهای آینده را با سناریوهای مدیریتی مختلف مشاهده کرد.
کاربرد شبکه عصبی مصنوعی در برآورد حجم تنه درختان؛ برآورد حجم درخت یکی از بخشهای مهم در پیشبینی رشد و محصول دهی جنگل محسوب میشود.
هوش مصنوعی در خدمت احیای اکوسیستمهای جنگلی؛ «Dendra Systems» که قبلاً «BioCarbon Engineering» نامیده میشد، یک شرکت فناوری مستقر در بریتانیا است که از پتانسیلهای هوش مصنوعی و پهپاد برای کاشت درختان و در نهایت به نفع محیط زیست استفاده میکند. این تیم در تلاش است تا با استفاده از اتوماسیون و هوش دیجیتالی سیاره زمین و اکوسیستمها را مجدد احیا کند. این شرکت متعهد شده که ۱۵۰ برابر سریعتر از سایر روشهای کاشت سنتی باشد. روش آنها در واقع بسیار کارآمدتر است؛ بذرها به کمک پهپاد مستقیماً توسط یک غلاف زیست تخریب پذیر به زمین پوشیده شده شلیک میشوند. این شرکت که در سال ۲۰۱۴ تأسیس شد، متشکل از مهندسان فعال، دانشمندان علوم گیاهی و کارشناسان هواپیماهای بدون سرنشین است که موظف هستند زمین را به مکانی بهتر از آنچه که اکنون است، تبدیل کنند. با فناوری «Dendra»، میتوان سالانه ۱۰ میلیارد درخت را در مکانهای دور از دسترس کشت کرد. این شرکت به دلیل تلاشهای خود شهرت جهانی کسب کرده و توسط مجمع جهانی اقتصاد معرفی شده است. هوش مصنوعی و امید کمک به ایجاد تجارت پایدار در کاهش کربن؛ جنگلزدایی ۱۷ درصد از کل انتشار کربن در جهان را تشکیل میدهد که نه تنها اثرات زیست محیطی عظیمی را در مقیاس سیارهای در پی دارد، بلکه هزینههای اقتصادی هنگفتی را نیز تحمیل میکند. از این رو شرکت دادههای جنگلداری «SilviaTerra» به امید کمک به ایجاد تجارت پایدار در کاهش کربن، از هوش مصنوعی به جهت پردازش تصاویر ماهوارهای (سنجش از دور) گونههای مختلف درختان در دورههای زمانی مختلف، محاسبه اندازه و گونهها بر اساس عواملی مانند زمان آغاز تغییر رنگ برگها در پاییز، استفاده میکند. شرکت«Reforestum» نیز قصد دارد با احیای جنگلهای اصلی به سیاره کمک کند. آنها خدمات جبران کربن را از طریق احیای جنگل به اعضای جامعه جهانی ارایه میدهند.
هوش مصنوعی در ردیابی، ارزیابی و پیشبینی خطر حریق جنگلها؛ «Dryad» نیز یکی از استارت آپهایی است که ردیابی حریق فوق سریع و همچنین راهحلهایی جهت نظارت بر سلامت و رشد را برای جنگلهای عمومی و خصوصی ارایه میدهد. با استفاده از این فناوری نوین در مقیاس بزرگ، حسگرها میتوانند آتشسوزیهای جنگلی را شناسایی کرده و اطلاعات ارزشمندی در مورد ریز اقلیم و روند رشد جنگل ارایه دهند.
هوش مصنوعی سدی در برابر فعالیتهای غیرقانونی؛ پلتفرم «GFH» در شناسایی فعالیتهای اخیر معدن کاری غیرقانونی مفید بوده است و هشدارهای سریع آن به مقامات دولتی در مکانهایی مانند آماپا، در مرز با گویان فرانسه کمک کرده است تا مکانهای جنگلزدایی غیرقانونی را که باید توسط سازمانهای مجری قانون در اولویت قرار گیرند، مشخص سازند.
هوش مصنوعی فرآیند تحلیل دادهها را به صورت تصاعدی سرعت میبخشد؛ از آنجایی که دادههای مربوط به محیط جنگل گاهی مبهم و غیرقابل پیشبینی هستند، شبکه هوش مصنوعی که در پردازش چنین اصول غیرخطی به خوبی عمل کند، از اواخر دهه ۱۹۹۰ به عنوان یک رویکرد جایگزین برای روش کلاسیک مدلسازی پدیدههای پیچیده در جنگل بهطور گسترده مورد بررسی قرار گرفته است.
سیاستهای به کارگیری هوش مصنوعی در حفاظت از محیط زیست
البته که هوش مصنوعی تا رسیدن به هدف فاصله زیادی دارد. سیاستهای به کارگیری هوش مصنوعی باید با سیاستهای موثر برای حفاظت از محیطزیست، حفاظت از جوامع محلی و اجرای بهتر قانون در داخل و خارج از مرزها مرتبط شود تا تأثیر واقعی داشته باشد. برای مثال، اگر مجریان قانون نتوانند بر اساس اطلاعات ارایه شده عمل کنند، نظارت دقیق فایده چندانی ندارد و حتی اگر تلاشهای مذاکراتی به نتیجه نرسد، حتی پیشبینیهای دقیق نیز بیفایده خواهد بود. برای دولتهایی که بهطور فعال موسسات مسوول حفاظت از محیط زیست را برچیده و حتی تهاجمات زمینی را تشویق میکنند، عوامل سیاسی استفاده از چنین فناوریهایی را محدود میکند. به همین ترتیب، تدابیر امنیتی باید برای جلوگیری از سوءاستفاده از دادههای جمعآوری شده، مانند نظارت سرکوبگرانه جوامع و سازمانهای غیردولتی، اعمال شود. از سوی دیگر ابزارهای هوش مصنوعی همیشه شفاف نیستند و تفسیر دقیق نحوه عملکرد این ابزارهای هوش مصنوعی برای مدیران غیر ممکن است. انتخاب اشتباه مدلها، پارامترهای تنظیم، مستندسازی ناکافی یا دادههای آموزشی نامناسب میتواند پیامدهای مهمی برای عملکرد مدلهای هوش مصنوعی و در نتیجه برای افراد و محیط داشته باشد. این اشتباهات میتواند تأثیر مخربی بر اعتماد بخش جنگل به مدیران، از جمله نمایندگان سازمانهای دولتی داشته باشد.
چگونه میتوانیم با کمک هوش مصنوعی جهان را سبزتر کنیم؟
تکنیکهای هوش مصنوعی با ساختار و عملکردی شبیه به مغز انسان که دارای اجزایی به نام نود یا نرون بوده، امروزه در طیف وسیعی برای حل بسیاری از مسائل شامل ارزیابی، بهینهسازی، پیشبینی، تشخیص و کنترل به کار گرفته شدهاند. یکی از مهمترین ویژگیهای آن، عدم وابستگی آنها به فرضیههای اولیه درباره دادههای ورودی است. به این معنی که دادههای ورودی میتواند هرگونه توزیع آماری دلخواهی داشته باشند. این ویژگی مهم شبکههای هوش مصنوعی، امتیاز ویژه آنها در مقابل روشهای آماری است و به آنها این امکان را میدهد که از انواع مختلف دادههای ورودی با هر توزیع دلخواه، بهطور یکسانی استفاده کنند.
کارآمد بودن شبکه برای یادگیری و انطباق با محیط در صورت تغییر در شرایط محیطی، عدم از کار افتادگی شبکه در صورت آسیب دیدگی قسمتی از نرونها و داشتن جواب منطقی برای دادهها در شرایط اطمینان (اعم از آنکه فازی باشند یا بهطور ناقص و توأم با دریافت نویز دریافت شده باشند)، علاقهمندی به استفاده از این فناوری را بیشتر میکند. هوش مصنوعی برای مدیریت هوشمندانهتر جنگل نیز کارآمد است. پیش از این، انجام بررسیهای موجودی جنگل تا حد زیادی نسبت به اوایل دهه ۱۹۰۰ بدون تغییر بود و به گشتوگذارهای پرزحمت در جنگلها برای ایجاد پلاتهای نمونه برای برونیابی دادهها نیاز داشت.
رویکردهای هوش مصنوعی میتوانند حجم عظیمی از دادههای ماهوارهای را برای یافتن بینشهایی در مورد سلامت جنگلها که با روشهای متعارف شناسایی نمیشوند، پردازش کنند. پلتفرمهایی با استفاده از ML برای تجزیه و تحلیل گونههای درختی، حجم چوب و ابعاد درخت برای تصمیمگیریهای آگاهانهتر وجود دارد. حتی برای شناسایی الگوهای پیشبینی آتشسوزیهای جنگلی مورد استفاده قرار گیرد. با این حال، تحت نظارت یک دولت مسوولیت پذیر و منصفانه که برای مهار جنگلزدایی غیرقانونی و بیعدالتیهای اجتماعی و زیست محیطی مرتبط با آن، تلاش میکند، هوش مصنوعی میتواند برای جلوگیری از حداقل برخی از بلایای زیست محیطی که در حال حاضر در جنگلها و سایر زیستگاهها شاهد آن هستیم، چارهساز باشد.