هوش مصنوعی جمعیت گوزن‌های یالدار آفریقا را نصف کرد

برای سال‌ها، برآوردهای هوایی جمعیت گوزن‌های یالدار در مهاجرت بزرگ آفریقا را حدود ۱.۳ میلیون رأس اعلام کرده بودند. اما اکنون، یک پژوهش پیشگامانه با استفاده از هوش مصنوعی، این رقم را به چالش کشیده و جمعیت واقعی را به کمتر از ۶۰۰ هزار رأس کاهش داده است. این کشف نه تنها درک ما از حیات وحش آفریقا را تغییر می‌دهد، بلکه اهمیت فناوری‌های نوین در حفاظت از محیط زیست را برجسته می‌سازد.

روش‌شناسی نوین: هوش مصنوعی در خدمت حیات وحش

پژوهشگران برجسته از دانشگاه آکسفورد و چندین مؤسسه تحقیقاتی دیگر، با بهره‌گیری از پیشرفته‌ترین فناوری‌های هوش مصنوعی، رویکردی نوین برای شمارش جمعیت گوزن‌های یالدار اتخاذ کرده‌اند. آنها دو مدل یادگیری عمیق را آموزش دادند تا تصاویر ماهواره‌ای دقیق از پارک ملی سرنگتی تانزانیا و ذخیره‌گاه ماسایی مارا در کنیا را تحلیل کنند.

• پارک ملی سرنگتی تانزانیا: یکی از مهم‌ترین زیستگاه‌های حیات وحش در جهان.
• ذخیره‌گاه ماسایی مارا کنیا: منطقه‌ای کلیدی در مسیر مهاجرت بزرگ.

این داده‌ها که به طور خاص در سال‌های ۲۰۲۲ و ۲۰۲۳ جمع‌آوری شده‌اند، نتایج شگفت‌انگیزی را به همراه داشتند. تحلیل‌ها نشان دادند که برآوردهای سنتی که سال‌ها مبنای تصمیم‌گیری‌ها بوده‌اند، عملاً نصف مقدار واقعی جمعیت گوزن‌های یالدار را نشان می‌دادند.

ایسلا دوپورج، پژوهشگر اصلی این مطالعه، با ابراز شگفتی از نتایج، می‌گوید: «ما از نتایج‌مان شگفت‌زده شدیم. فکر نمی‌کنیم جمعیت دچار فروپاشی شده باشد، چون در آن صورت لاشه‌های زیادی در دشت پیدا می‌کردیم که این‌طور نیست. شاید کاهش طبیعی رخ داده یا شمارش‌های قبلی دچار خطا بوده‌اند.»

چالش‌های شمارش سنتی و مزایای هوش مصنوعی

مدل‌های هوش مصنوعی مورد استفاده در این پژوهش، بر پایه بیش از ۷۰ هزار تصویر برچسب‌گذاری‌شده توسط انسان آموزش دیده‌اند. این حجم عظیم از داده‌ها به هوش مصنوعی امکان می‌دهد تا با دقت بی‌سابقه‌ای، گوزن‌های یالدار را شناسایی و شمارش کند.

نقاط ضعف روش‌های سنتی:

• شمارش‌های هوایی: معمولاً با پرواز در مسیرهای باریک و تعمیم آن به کل منطقه انجام می‌شوند.
• خطای بالا: پراکندگی نامنظم گله‌ها می‌تواند خطاهای زیادی در این روش ایجاد کند.

چالش‌های تصاویر ماهواره‌ای:

• تشخیص گونه‌ها: تصاویر ماهواره‌ای ممکن است گوزن یالدار را با گونه‌های مشابه مانند گورخر اشتباه بگیرند.
• حجم داده‌ها: حجم بالای داده‌ها شمارش دستی را بسیار خسته‌کننده و غیرعملی می‌سازد.

با این حال، هوش مصنوعی توانسته است بر این چالش‌ها غلبه کند و دقت بی‌نظیری را ارائه دهد.

اهمیت آمار دقیق برای اکوسیستم

آمار دقیق جمعیت گوزن‌های یالدار برای مدیریت شکارچیانی مانند شیرها و کفتارها که به این گله‌ها وابسته‌اند، حیاتی است. تغییر در جمعیت گوزن‌های یالدار می‌تواند تأثیرات دومینویی بر کل اکوسیستم داشته باشد و تعادل طبیعی را بر هم زند.

دوپورج ابراز امیدواری کرد که در آینده تیمش بتواند تصاویر ماهواره‌ای را به صورت روزانه تحلیل کند تا مسیر مهاجرت کل‌ها را در زمان واقعی ردیابی نماید. این قابلیت می‌تواند ابزاری قدرتمند برای حفاظت از حیات وحش و مدیریت بهتر منابع طبیعی باشد.