اليابان تستأنف صيد الحيتان تجاريا، والتكنولوجيا تسعى لإنقاذها

استأنفت اليابان صيد الحيتان تجاريا هذا العام للمرة الأولى منذ أكثر من 30 عاما بعد أن كانت مقيدة بمعاهدة دولية. في الآونة الأخيرة، أتم فريق صيد الحيتان الياباني رحلته الأولى، والتي تم خلالها قتل 233 حوتًا. ويبدو أن وراء هذه الحادثة نذيراً للمصير المأساوي للحوت. كيف يمكننا حماية الحيتان بشكل فعال ومنع تعرضها للخطر؟ ما هو الدور الذي يمكن أن تلعبه تقنية الذكاء الاصطناعي في هذا المجال؟

تبدأ مدينة تايجي الساحلية في اليابان موسم صيد الحيتان السنوي في شهر سبتمبر. وهذه هي المرة الأولى التي تستأنف فيها اليابان صيد الحيتان تجاريا منذ أكثر من 30 عاما.

من أجل حماية الحيتان من الصيد المفرط، تم تأسيس اللجنة الدولية لصيد الحيتان في عام 1948. وانضمت اليابان إليها في عام 1951. وفي عام 1986، أقرت اللجنة الحظر العالمي على صيد الحيتان، التي تحظر على الأطراف المتعاقدة الانخراط في صيد الحيتان لأغراض تجارية.

وقد اختبرت اليابان، التي تتمتع بثقافة صيد الحيتان منذ زمن طويل، حدود الاتفاقية مراراً وتكراراً. وفي ديسمبر/كانون الأول 2018، أعلنت اليابان انسحابها من المنظمة. وبحسب اللوائح، فلن يخضعوا بعد الآن لاتفاقية مناهضة التعذيب بعد 30 يونيو/حزيران من هذا العام.

وبحسب التقارير الأخيرة، فقد قتلوا 233 حوتًا واستولوا على 1430 طنًا من لحوم الحيتان في رحلتهم الأولى بعد استئناف صيد الحيتان التجاري... وخلف هذه الأرقام المروعة، لا يسع المرء إلا أن يفكر في المشهد الدموي في الفيلم الوثائقي "الخليج".

على الرغم من كونهم أكبر الحيوانات في المحيط، إلا أن الحيتان لا تزال هشة وغير مهمة في صراعها مع الحيوانات المفترسة. ونظراً للقيمة الاستخدامية للحوم الحيتان، ودهونها، وجلدها، وأعضائها المختلفة بالنسبة للإنسان، فإن هذا الجسم الضخم لا يعدو أن يكون سلعة في مواجهة المصالح.

لقد أدى الصيد واسع النطاق الذي قام به البشر في الماضي إلى دفع العديد من أنواع الحيتان إلى حافة الانقراض. ومن أجل السماح لهذا المخلوق الضخم ولكن الهش بالتحرك بحرية في البحر، تم استخدام مجموعة متنوعة من الأساليب التقنية، كما تساهم تقنية الذكاء الاصطناعي أيضًا في بعض النواحي في هذا الصدد.

من الصعب إحصاء عدد وتعداد الحيتان بالكامل. علاوة على ذلك، فإن عاداتهم المعيشية وأنماط هجرتهم تشكل أيضًا صعوبة في البحث. ولكن مع تطبيق تقنيات الذكاء الاصطناعي المتعددة، يتم حل هذه المشاكل واحدة تلو الأخرى.

علماء إسبان: استخدام الشبكات العصبية الاصطناعية (CNN) لإحصاءات السكان

الحيتان في المحيط**إحصائيات دقيقة للأعداد والسكان،**وسوف يساعد العلماء على دراسة الحيتان وحمايتها بشكل أكبر.

لكن كيفية تحديد عدد الحيتان في المحيط الشاسع يعد تحديًا كبيرًا. ولذلك بدأ بعض الباحثين في استخدام**الصور الفضائية والجوية، بمساعدة التعلم العميق والتقنيات الأخرى،**إجراء بحوث إحصائية عن الحيتان القريبة من سطح المحيط.

وفي مقال نُشر مؤخرًا في مجلة Science Report، قامت مجموعة من العلماء من إسبانيا بذلك. إنهم يستخدمون**الشبكات العصبية التلافيفية (CNNs)**يمكن للنموذج الذي تم بناؤه أن يساعد بشكل فعال في تحديد وتحديد عدد وتعداد الحيتان.

لتحديد هوية الحيتان في الصور الجوية أو الصور الملتقطة عبر الأقمار الصناعية، يتعين علينا التغلب على صعوبات متعددة، مثل نقص مجموعات البيانات، والعوامل المربكة مثل السفن والصخور والرغوة، وسلوك ووضعية الحيتان على الماء، والتداخل الناجم عن السحب والضوء ونوعية المياه، وما إلى ذلك.

في هذه الدراسة، صمم العلماء نموذج التعلم العميق المكون من خطوتين استنادًا إلى CNN. أول قناة سي إن إنالبحث عن صور الإدخال مع وجود الحيتان، واستبعاد التدخل من السفن والصخور وما إلى ذلك؛ قناة CNN الثانيةحدد موقع كل حوت في هذه الصور واحسبه.

ولتمكين النظام من التعرف بدقة على الحيتان، استخدموا بيانات مفتوحة مثل Google Earth وArkive ومكتبة الصور التابعة للإدارة الوطنية للمحيطات والغلاف الجوي، وما إلى ذلك، لإنشاء مجموعة بيانات عالية الجودة موضحة. تم استخدام صور الأقمار الصناعية والصور الجوية بدقة مختلفة، على التوالي، لغرض اكتشاف وجود الحيتان، وإحصاء عدد الحيتان، واختبار العملية الشاملة والتحقق من صحتها.

وتستخدم المقالة أيضًانقل التعلم وتعزيز البيانات، لتحسين كفاءة تدريب CNN وزيادة قوة CNN وقدرتها على التعميم.

الخطوة الأولى هي بناء نموذج تصنيف الصور.**تم إنشاؤه باستخدام أحدث إصدار من بنية GoogleNet Inception v3 CNN،**تم تدريبه مسبقًا على ImageNet وكان قادرًا في النهاية على التعرف بسرعة على الحيتان في الصور واستبعاد الحطام الذي قد يتم التعرف عليه بشكل خاطئ.

الخطوة الثانية هي نموذج عد الحيتان،**تم استخدام R-CNN أسرع استنادًا إلى بنية Inception-Resnet v2 CNN.**تم تدريبه مسبقًا على مجموعة بيانات COCO. يقوم النموذج بتحليل الخلايا التي يوجد فيها احتمال كبير لوجود حوت فقط، ويحدد موقع كل حوت في مربع محدد، ويخرج عدد الأفراد الذين تم إحصاؤهم.

في إثبات المفهوم، قام النموذج بتحليل 10 نقاط ساخنة للحيتان حول العالم ممثلة بـ 13348 خلية شبكية باستخدام نافذة منزلقة بحجم 71 × 71 مترًا (حوالي ضعف حجم الحوت الأزرق) وإخراج احتمال اكتشاف حوت في كل خلية.

وأظهرت النتائج النهائية أن النظام كان قادرًا على اكتشاف الحيتان وإحصائها في اختبار صور Google Earth في 10 نقاط ساخنة لمشاهدة الحيتان.**أداؤهم (مقياس F1) هو 81% و94% على التوالي،**بالمقارنة مع نموذج الكشف الأساسي وحده،لقد أدى هذا النموذج إلى تحسين الدقة بنسبة 36%.

جوجل: استخدام التعرف على بصمة الصوت لفهم العادات السلوكية

بالإضافة إلى منظور صور الأقمار الصناعية، يتمتع التعلم الآلي أيضًا ببعض الطرق الفريدة لحماية الحيتان من حيث تحليل بصمة الصوت.

يمكن أن تنتقل أصوات الحيتان إلى مئات الكيلومترات تحت الماء، وتحتوي الأصوات المختلفة على معلومات مختلفة، وبالتالي يمكنها التواصل مع رفاقها البعيدين. قامت شركة جوجل بتسجيل "غناء" هذه الحيتان باستخدام معدات جمع البيانات تحت الماء.

في مشروع "الذكاء الاصطناعي من أجل الخير الاجتماعي" الذي أطلقته جوجل، هناك دراسة حول حماية الحيتان الحدباء. باحثو جوجل وخبراء الحيتانيات البحرية،تم إنشاء "شبكة مراقبة" للأصوات تحت الماء، باستخدام التعلم الآلي لتتبع تحركات الحيتان من خلال بصماتها الصوتية.

ولكن بالنسبة للعالم الواسع تحت الماء، فإن المعلومات الصوتية التي يحتويها هائلة للغاية أيضًا. أثناء تسجيل أصوات الحوت، يتم أيضًا تجميع قدر كبير من الضوضاء.

لقد طورت جوجل بعض النماذج الخوارزمية التي يمكنها تصفية هذه المعلومات من كمية هائلة من بيانات التسجيل.**استخدام تحليل معلومات بصمة الصوت لتحديد نداءات الحيتان،**وأنشأوا أيضًا شبكة عصبية عميقة،التعرف تلقائيًا على أنواع الحيتان في التسجيلات.

من خلال تحويل الأصوات التي تمت مراقبتها إلى مخططات طيفية، يمكن العثور على بصمات صوتية محددة للحيتان من هذه المخططات الطيفية. لقد أطلقوا هذا الإنجاز منذ فترة على شكل أداة موقع ويب. وبمساعدة هذه الأداة، يمكنهم تصور الصوت تحت الماء على نطاق واسع واكتشاف تفاصيل الأصوات تحت الماء.

النموذج الذي استخدمته جوجل في هذه الدراسة هوشبكة ريزنت-50، باستخدامالتعلم الخاضع للإشراف، تم تدريبها باستخدام بيانات مُسمّاة: تم عرض أمثلة للأصوات المُسمّاة على الخوارزمية (على سبيل المثال: هذا حوت أحدب، وهذا ليس حوت أحدب) باستخدام المخططات الطيفية. كلما زادت الأمثلة التي يتعلم منها الخوارزمية، أصبحت أفضل في التعرف على تلك الأصوات. أخيرًا، يمكن للنموذج تحديد ما إذا كانت بعض المقاطع تحتوي علىأكثر من 90% دقة و 90% استرجاعالحيتان الحدباء موجودة.

ومن خلال هذه الطرق، من الممكن رصد التغيرات في عادات الحيتان الحدباء بما يتوافق مع الواقع. على سبيل المثال، تبقى مجموعات الحيتان الحدباء بالقرب من ألاسكا في الصيف وتهاجر إلى جزر هاواي للتكاثر والولادة في الشتاء.

قد يساعدنا هذا البحث على فهم**أنماط السلوك والهجرة،**وذلك من أجل توفير الدعم للاستراتيجيات اللاحقة لحماية الحيتان.

التكنولوجيا من أجل الخير، أتمنى ألا تنقرض الحيتان أبدًا

ظهرت الحيتان الأولى منذ حوالي 50 مليون سنة. هذا النوع الذي نجا بثبات في ظل قوانين الطبيعة، أصبح أكبر حيوان في العالم بعد عملية تطور طويلة.

بدأ البشر في صيد الحيتان تجارياً منذ مئات السنين. في القرن العشرين، ومع ازدهار صناعة صيد الحيتان، بدأ صيد الحيتان على نطاق واسع، وأصبحت العديد من أنواع الحيتان معرضة للخطر. حتى الآن، انقرضت العشرات من أنواع الحيتان تمامًا. في عام 1961، خلال أحد مواسم صيد الحيتان الأكثر جنونًا،تم قتل ما يصل إلى 66 ألف حوت.

مع تطور أدوات صيد الحيتان بشكل متزايد، لم تعد حتى الحيتان الأكبر حجمًا قادرة على مقاومة الجشع البشري.

ولحسن الحظ، فإننا نشهد أيضًا المزيد والمزيد من التقنيات والفرق التي تبذل جهودًا لحماية الحيتان. آمل أن تظهر المزيد من التقنيات من هذا النوع، حتى يتمكن أحفادنا ليس فقط من رؤية الحيتان في السجلات التاريخية.

-- زيادة--