کشف ناوگان تاریک اقیانوس‌ها با استفاده از هوش مصنوعی و تصاویر ماهواره‌ای

به گزارش خبرگزاری علم و فناوری آنا به نقل از پاپیولار ساینس، محققان اکنون می‌توانند با استفاده از هوش مصنوعی آرشیو‌های جهانی تصاویر ماهواره‌ای را برای نگاهی بی‌سابقه به تاثیر و رابطه بشریت با اقیانوس‌ها تحلیل و بررسی کنند.

این پروژه که توسط «دیده‌بان جهانی ماهیگیری» (Global Fishing Watch) که یک سازمان غیرانتفاعی تحت حمایت گوگل است و روی نظارت بر صنایع دریایی تمرکز دارد، در مطالعه‌ای که ۳ ژانویه در نشریه نیچر منتشر شد به تفصیل شرح داده شده است. این فناوری به لطف پیشرفت‌های اخیر در فناوری یادگیری ماشین، اثرات صنعتی بی‌سابقه‌ای را روی اکوسیستم‌های آبی به نمایش می‌گذارد.

این تحقیق جدید به ناوگان تاریک اشاره می‌کند، اصطلاحی که اغلب به بخش بزرگی از کشتی‌های دریایی اشاره دارد که مکان خود را پخش نمی‌کنند. براساس اعلامیه روز چهارشنبه دیده‌بان جهانی ماهیگیری، ۷۵ درصد از کل کشتی‌های ماهیگیری صنعتی از دید عموم پنهان هستند.

ناظران دریایی از مدت‌ها پیش برای ردیابی فعالیت رادیویی کشتی‌ها در سراسر جهان به سیستم شناسایی خودکار (AIS) متکی بوده‌اند؛ درحالی که می‌دانستند این ابزار بی‌نقص نیست. الزامات سیستم شناسایی خودکار بین کشور‌ها و کشتی‌ها متفاوت است و زمانی که خدمه می‌خواهند از شبکه خارج شوند به سادگی می‌توان فرستنده کشتی را خاموش کرد. از این رو قلمرو (که قبلا تیره بود) ناوگان تاریک نام دارد.

ترسیم داده‌های کشتی‌های ماهیگیری ردیابی نشده در سراسر جهان

تجزیه و تحلیل داده‌ها نشان می‌دهد که حدود ۷۵ درصد از کشتی‌های ماهیگیری صنعتی جهان به صورت عمومی ردیابی نمی‌شوند و بیشتر این ماهیگیری در اطراف آفریقا و جنوب آسیا صورت می‌گیرد.

ما در خشکی، تقریبا نقشه‌های دقیقی از تمام جاده‌ها و ساختمان‌های روی کره زمین داریم. در مقابل، رشد شدت فعالیت انسانی در دریا‌ها و اقیانوس تا حد زیادی از دید عموم پنهان مانده است.

محققان برای حل این خلا داده، ابتدا ۲ میلیون گیگابایت داده تصویربرداری جهانی را که توسط صورت فلکی ماهواره‌ای سنتینل -۱ آژانس فضایی اروپا بین سال‌های ۲۰۱۷ تا ۲۰۲۱ گرفته شده بود، جمع آوری کردند. برخلاف محدودیت‌های سیستم شناسایی خودکار، فناوری حساس رادار آرایه ماهواره‌ای سازمان فضایی اروپا به آن اجازه می‌دهد تا بدون توجه به پوشش ابری یا زمان روز، فعالیت یا حرکت سطحی را تشخیص دهد.

محققان این اطلاعات را با داده‌های «جی پی اس» (GPS) ترکیب کرد تا کشتی‌های شناسایی نشده یا نادیده گرفته شده را برجسته کند. سپس یک برنامه یادگیری ماشین مجموعه عظیم اطلاعات را تجزیه و تحلیل کرد تا کشتی‌های ماهیگیری ثبت نشده قبلی را مشخص کند.

جدیدترین یافته‌ها فرضیات قبلی صنعت را رد می‌کنند و تاثیر به شدت بزرگ‌تر ناوگان‌های تاریک در سراسر جهان را به نمایش می‌گذارند.

جنیفر راینور، یکی از نویسندگان این مطالعه و استادیار اقتصاد منابع طبیعی دانشگاه ویسکانسین - مدیسون در این باره گفت: داده‌های در دسترس عموم به اشتباه نشان می‌دهد که آسیا و اروپا مقادیر مشابهی از ماهیگیری در مرز‌های خود دارند، اما نقشه برداری ما نشان می‌دهد که این میزان در آسیا غالب است - به ازای هر ۱۰ کشتی ماهیگیری که ما در آب پیدا کردیم، هفت کشتی در آسیا بودند در حالی که تنها یک کشتی در اروپا بود. ما با آشکار کردن کشتی‌های تاریک، جامع‌ترین تصویر عمومی از صنعت ماهیگیری جهانی را ایجاد کرده‌ایم.

پیش از این، این نوع نظارت ماهواره‌ای تنها در اختیار کسانی بود که می‌توانستند هزینه آن را پرداخت کنند. کرودیسما در اعلامیه روز چهارشنبه اعلام کرد که این مطالعه به عنوان آغاز یک دوره جدید در مدیریت و شفافیت اقیانوس شناخته می‌شود.