طور فريق جامعة الملك عبد الله للعلوم والتقنية "كاوست" بالتعاون مع شركة سارسات إكس "SARsatX"، بيانات مولدة بالحاسب الآلي لتدريب نماذج التعلم العميق على التنبؤ بتسرب النفط، وتعرف شركة سارسات إكس بأنها شركة سعودية متخصصة في تقنيات رصد الأرض وتهدف إلى دمج الذكاء الاصطناعي في مراقبة البيئة.
تأتي أهمية هذا الإنجاز، كونه يسهم في مراقبة الكوارث البيئية، وذلك بعد التحقق من صحة استخدام البيانات الاصطناعية "الافتراضية" لكونه أمر بالغ الأهمية لمراقبة الكوارث البيئية، حيث يؤدي الرصد المبكر والاستجابة السريعة إلى تقليل أخطار الأضرار البيئية بشكل كبير.
بدوره صرح البروفيسور ماثيو مكابي، عميد قسم العلوم والهندسة البيولوجية والبيئية في كاوست، والمؤسس المشارك لشركة SARsatX، أيضًا المؤلف المشارك لهذه الدراسة، أن: "أحد أكبر التحديات في التطبيقات البيئية للذكاء الاصطناعي هو نقص البيانات التدريبية عالية الجودة، وكان حلنا لهذه المعضلة هو استخدام التعلم العميق لإنشاء بيانات اصطناعية "افتراضية" من عينة صغيرة جداً من البيانات الحقيقية وتدريب نماذج الذكاء الاصطناعي التنبؤية على ذلك".
تقنية تتبع الكوارث البيئية بدقة
اعتمد "ماكابي" وزملاؤه في تطوير التقنية الجديدة على طريقة تعلم عميق تُعرف باسم الشبكات التنافسية التوليدية "GANs" لإنشاء بيانات جديدة تحاكي مجموعة التدريب.
سابقًا، كان يتم الاعتماد على طريقة تقليدية للكشف عن التسربات النفطية باستخدام صور الرادار ذي الفتحة الاصطناعية SAR، ولكن توجد ثغرة طفيفة في هذه الصور، أنها تشبه البقع النفطية سطح المحيط الهادئ أو الأغشية العضوية الطبيعية، مما يجعل من الصعب تمييزها.
ولكن عبر الاستعانة بخبرة SARsatX المعرفية والتشغيلية في الرصد البيئي، بدأ الباحثون بـ 17 صورة فقط من صور الرادار ذي الفتحة الاصطناعية لإنشاء مجموعة بيانات افتراضية تضم أكثر من 2000 صورة، واستخدمت هذه الصور لتدريب نموذج تعلم عميق ثانٍ يُعرف باسم شبكة الانتباه المتعدد "MANet"، المصمم لاستخراج وتصنيف الأنماط الدقيقة في الصور المعقدة.
وتوصل الباحثون في كاوست لنتيجة واضحة تتلخص في أنه عند التدريب حصريًا باستخدام مجموعة البيانات الاصطناعية التي تم إنشاؤها بواسطة GAN، يمكن لنموذج MANet تحديد حوالي 75٪ من المساحة المغطاة بالنفط بشكل صحيح، وهو ما يطابق دقة الطرق المماثلة التي تم تدريبها باستخدام مجموعات أكبر بكثير من الصور.
استخدام الذكاء الاصطناعي للتنبؤ بالكوارث البيئية
تؤكد النتيجة السابقة، فرضية أنه يمكن تطوير نماذج الذكاء الاصطناعي والتحقق من صحتها دون الحاجة إلى كميات كبيرة من صور التسرب في العالم الحقيقي، وبالتالي تدعم هذه الفكرة جهود حماية البيئة البحرية عبر تمكين مراقبة أسرع وأكثر موثوقية للتسربات النفطية مع تقليل التحديات اللوجستية والبيئية المرتبطة بجمع البيانات.
بدوره أوضح بيتر شولت، مؤلف مشارك آخر ورئيس قسم الهندسة في شركة SARsatX : "أنه باستخدام طريقة تعلم عميق واحدة لإنشاء البيانات وأخرى لتفسيرها، أظهرت الدراسة أن الذكاء الاصطناعي يمكن أن يتعلم بشكل فعال من الأمثلة الاصطناعية، ويوضح هذا النهج أنه يمكن تدريب نماذج الذكاء الاصطناعي للتطبيقات البيئية دون انتظار وقوع كوارث حقيقية".
تابعي أيضا للعام الثالث على التوالي.. "كاوست" في المرتبة الأولى في تصنيف الجامعات العربية
يمكنكم متابعة آخر الأخبار عبر حساب سيدتي على منصة إكس
