ذكاء اصطناعي يتعرف على محاصيل السنغال ببيانات محدودة

تمكن فريق بحثي من جامعة كامبريدج من تطبيق نموذج الذكاء الاصطناعي المفتوح المصدر تيسيرا لرصد وتصنيف المحاصيل الزراعية في أحواض الفول السوداني بالسنغال، محققاً دقة بلغت 84 بالمئة باستخدام بيانات تدريب محدودة وموارد حوسبية ضئيلة. يأتي هذا الإنجاز كأداة تقنية مبتكرة تدعم الزراعة المعتمدة على المطر التي يديرها صغار المزارعين، مما يحد من تعرضهم لتقلبات المناخ ويحسن أمنهم الغذائي. يعتمد نموذج تيسيرا على تحليل صور الأقمار الصناعية لعدة أشهر، حيث يحول بيانات كل موقع على الأرض إلى متجهات رقمية تلتقط التغيرات الموسمية في الغطاء النباتي. يسمح هذا الأسلوب الخوارزمي، عند دمجه مع نقاط بيانات أرضية قليلة، بإنتاج خرائط زراعية شاملة دون الحاجة إلى عمليات مسح ميداني مكلفة أو قدرات حوسبية ضخمة. وتبين الاختبارات التطبيقية أن النموذج تفوق على طرق الرقمنة الفضائية التقليدية بنحو 28 بالمئة، كما أظهر مرونة عالية في نقل النمط التعليمي من عام لآخر دون إعادة تدريب مستمر. تبرز أهمية هذا التطور التقني في ظل تفاقم الضغوط المناخية، لا سيما ظاهرة النينيو القياسية التي تهدد أنماط هطول الأمطار في غرب أفريقيا. وأكد ممثل برنامج الأغذية العالمي في السنغال أن الاعتماد على بيانات جغرافية مكانية مدعومة بالذكاء الاصطناعي يُعد خطوة حاسمة لمساعدة الحكومات والمنظمات الإنسانية على توقع المخاطر الغذائية وتوجيه المساعدات بدقة. وتُعد البيانات المحسنة عن توزيع المحاصيل ضرورية لاتخاذ قرارات مستنيرة على المستويات الإقليمية والوطنية، مما يحمي سكاناً يعتمدون بشكل كبير على الزراعة البعلية. يشير الباحثون إلى أن النموذج يتميز بإمكانية الوصول الديمقراطي للبيانات المكانية، مما يمكّن الدول النامية من إنتاج إحصائيات زراعية سنوية دون عجز مالي أو فني. ورغم نجاح التجربة، لاحظ الفريق بحثياً انخفاضاً طفيفاً في الدقة بين سنوات الدراسة، وهو ما يعزونه غالباً لجودة البيانات الأرضية المرجعية، كما لم تغطِ التجربة حقول المحاصيل المتعددة بشكل كافٍ. ومع ذلك، تبقى هذه التقنية قفزة نوعية نحو ديمقراطية البيانات المكانية، وتفتح الباب أمام توسيع نطاق الرصد الذكي ليشمل مناطق أخرى في القارة الأفريقية وبلدان الجنوب العالمي، على غرار الدراسات السابقة التي نجحت في النمسا.