يستخدم العلماء التعلم الآلي للتنبؤ بهجرة الطيور وتحديد الطيور أثناء الطيران من خلال مكالماتها

مع روبوتات الدردشة مثل ChatGPT صنع دفقة, ، يلعب التعلم الآلي دورًا بارزًا بشكل متزايد في حياتنا.بالنسبة للكثيرين منا، كانت هذه حقيبة مختلطة.نحن نبتهج عندما تجد لنا قائمة تشغيل Spotify For You ازدحامًا جديدًا، ولكننا نتأوه ونحن نتصفح عددًا كبيرًا من الإعلانات المستهدفة على خلاصات Instagram الخاصة بنا.

يعمل التعلم الآلي أيضًا على تغيير العديد من المجالات التي قد تبدو مفاجئة.أحد الأمثلة هو تخصصي هو علم الطيور – دراسة الطيور.ولا يقتصر الأمر على حل بعض أكبر التحديات المرتبطة بدراسة هجرة الطيور فحسب؛وعلى نطاق أوسع، يعمل التعلم الآلي على توسيع الطرق التي يتعامل بها الناس مع الطيور.مع تزايد الهجرة في فصل الربيع، إليك نظرة على كيفية تأثير التعلم الآلي على طرق البحث عن الطيور، وفي نهاية المطاف، حمايتها.

تحدي الحفاظ على الطيور المهاجرة

معظم الطيور في نصف الكرة الغربي الهجرة مرتين في السنة, ، تحلق فوق قارات بأكملها بين مناطق تكاثرها ومناطق عدم تكاثرها.في حين أن هذه الرحلات مذهلة، إلا أنها تعرض الطيور للعديد من المخاطر في الطريق، بما في ذلك الطقس القاسي, نقص الغذاء و التلوث الضوئي التي يمكن أن تجذب الطيور وتتسبب في اصطدامها بالمباني.

إن قدرتنا على حماية الطيور المهاجرة لا تقل جودة عن العلم الذي يخبرنا بالمكان الذي تذهب إليه.وهذا العلم لقد قطع شوطا طويلا.

في عام 1920، الولايات المتحدةأطلقت هيئة المسح الجيولوجي مختبر ربط الطيور, ، يقود الجهود لوضع أشرطة ذات علامات فريدة على الطيور، ثم إعادة أسر الطيور في أماكن جديدة لمعرفة المكان الذي سافرت إليه.يمكن للباحثين اليوم نشر مجموعة متنوعة من علامات التتبع خفيفة الوزن على الطيور لاكتشاف طرق هجرتها.لقد كشفت هذه الأدوات عن الأنماط المكانية لـ أين ومتى تهاجر الطيور من العديد من الأنواع.

ومع ذلك، فإن تتبع الطيور له حدود.لشيء واحد، انتهى 4 مليار طائر يهاجرون في جميع أنحاء القارة كل عام.وحتى مع وجود معدات ميسورة التكلفة على نحو متزايد، فإن عدد الطيور التي نقوم بتتبعها لا يشكل سوى قطرة في بحر.وحتى داخل النوع الواحد، قد يختلف سلوك الهجرة باختلاف الجنس أو السكان.

علاوة على ذلك، تخبرنا بيانات التتبع بمكان وجود الطيور، لكنها لا تخبرنا بالضرورة إلى أين تتجه.الهجرة ديناميكية، والمناخات والمناظر الطبيعية التي تطير عبرها الطيور تتغير باستمرار.وهذا يعني أنه من المهم أن تكون قادرًا على التنبؤ بتحركاتهم.

استخدام التعلم الآلي للتنبؤ بالهجرة

هذا هو المكان الذي يأتي فيه التعلم الآلي.التعلم الآلي هو مجال فرعي من الذكاء الاصطناعي الذي يمنح أجهزة الكمبيوتر القدرة على تعلم المهام أو الارتباطات دون أن تتم برمجتها بشكل صريح.نستخدمها لتدريب الخوارزميات التي تعالج المهام المختلفة، من التنبؤ بالطقس ل توقع اضطرابات جنون مارس.

لكن تطبيق التعلم الآلي يتطلب البيانات، وكلما زادت البيانات كلما كان ذلك أفضل.ولحسن الحظ، قام العلماء عن غير قصد بتجميع عقود من البيانات حول الطيور المهاجرة عبر العالم الجيل القادم من نظام رادار الطقس.تُستخدم هذه الشبكة، المعروفة باسم NEXRAD، لقياس ديناميكيات الطقس والمساعدة في التنبؤ بأحداث الطقس المستقبلية، ولكنها تلتقط أيضًا إشارات من الطيور أثناء طيرانها عبر الغلاف الجوي.

بيردكاست هو مشروع تعاوني بين جامعة ولاية كولورادو، ومختبر كورنيل لعلم الطيور، وجامعة ماساتشوستس، يسعى إلى الاستفادة من تلك البيانات لتحديد كمية هجرة الطيور.يعد التعلم الآلي أمرًا أساسيًا في عملياتها.لقد عرف الباحثون منذ الأربعينيات من القرن الماضي أن تظهر الطيور على رادار الطقس, ، ولكن لجعل هذه البيانات مفيدة، نحتاج إلى إزالة الفوضى غير الطائرة وتحديد عمليات المسح التي تحتوي على حركة الطيور.

ستكون هذه العملية شاقة يدويًا - ولكن من خلال تدريب الخوارزميات لتحديد نشاط الطيور، قمنا بأتمتة هذه العملية وفتحنا عقودًا من بيانات الهجرة.ويتيح التعلم الآلي لفريق BirdCast المضي قدمًا في الأمور:ومن خلال تدريب خوارزمية لمعرفة الظروف الجوية المرتبطة بالهجرة، يمكننا استخدام الظروف المتوقعة للإنتاج توقعات الهجرة عبر الولايات المتحدة القارية

بدأت BirdCast ببث هذه التوقعات في عام 2018 وأصبحت أداة شعبية في مجتمع الطيور.قد يدرك العديد من المستخدمين أن بيانات الرادار تساعد في إنتاج هذه التنبؤات، لكن القليل منهم يدرك أنها نتاج التعلم الآلي.

في الوقت الحالي، لا تستطيع هذه التوقعات أن تخبرنا بالأنواع الموجودة في الهواء، لكن هذا قد يتغير.في العام الماضي، نشر الباحثون في مختبر كورنيل لعلم الطيور نظامًا آليًا يستخدم التعلم الآلي كشف وتحديد مكالمات الطيران الليلية.هذه نداءات خاصة بالأنواع تصدرها الطيور أثناء هجرتها.إن دمج هذا النهج مع BirdCast يمكن أن يمنحنا صورة أكثر اكتمالاً للهجرة.

توضح هذه التطورات مدى فعالية التعلم الآلي عند الاسترشاد بالخبرة في المجال الذي يتم تطبيقه فيه.ك طالب دكتوراه, انضممت مختبر علم البيئة الجوي بجامعة ولاية كولورادو مع خلفية قوية في علم الطيور ولكن ليس لديه خبرة في التعلم الآلي.على العكس من ذلك، علي خليجيفار, ، باحث ما بعد الدكتوراه في مختبرنا، ولديه خلفية في التعلم الآلي ولكنه لم يحضر فصلًا دراسيًا في علم الطيور مطلقًا.

نعمل معًا على تحسين النماذج التي تعمل على تشغيل BirdCast، وغالبًا ما نعتمد على رؤى بعضنا البعض لدفع المشروع إلى الأمام.يجسد تعاوننا التقارب الذي يسمح لنا باستخدام التعلم الآلي بشكل فعال.

أداة للمشاركة العامة

يساعد التعلم الآلي أيضًا العلماء على إشراك الجمهور في الحفاظ على البيئة.على سبيل المثال، غالبًا ما تُستخدم التوقعات التي ينتجها فريق BirdCast للإعلام إطفاء الأنوار الحملات.

وتسعى هذه المبادرات إلى تقليل الإضاءة الاصطناعية من المدن، مما يجذب الطيور المهاجرة ويزيد من فرصها الاصطدام بالهياكل التي بناها الإنسان, مثل المباني وأبراج الاتصالات.يمكن لحملات إطفاء الأنوار تعبئة الأشخاص للمساعدة في حماية الطيور بضغطة زر.

وكمثال آخر، التطبيق تحديد الطيور ميرلين تسعى إلى إنشاء تقنية تجعل الطيور أسهل للجميع.في عام 2021، أصدر فريق عمل Merlin ميزة تعمل تلقائيًا على تحديد الأغنية والمكالمات، مما يسمح للمستخدمين بتحديد ما يسمعونه في الوقت الفعلي، مثل نسخة الطيور من شزام.

لقد فتحت هذه الميزة الباب أمام ملايين الأشخاص للتعامل مع مساحاتهم الطبيعية بطريقة جديدة.يعد التعلم الآلي جزءًا كبيرًا مما جعل ذلك ممكنًا.

قال لي جرانت فان هورن، الباحث في مختبر كورنيل لعلم الطيور والذي ساعد في تطوير الخوارزمية وراء هذه الميزة: "إن ميزة التعرف على الصوت هي أكبر نجاح لنا من حيث تكرار التجربة السحرية المتمثلة في الذهاب إلى الطيور مع عالم طبيعة ماهر".

القيام بالرحلة

ستزداد فرص تطبيق التعلم الآلي في علم الطيور.مع هجرة مليارات الطيور فوق أمريكا الشمالية إلى مناطق تكاثرها هذا الربيع، سوف يتفاعل الناس مع هذه الرحلات بطرق جديدة، وذلك بفضل مشاريع مثل BirdCast وMerlin.لكن هذا الارتباط متبادل:ستفتح البيانات التي يجمعها مراقبو الطيور فرصًا جديدة لتطبيق التعلم الآلي.

لا تستطيع أجهزة الكمبيوتر القيام بهذا العمل بنفسها."يحتوي أي مشروع ناجح للتعلم الآلي على مكون بشري ضخم.قال لي فان هورن: "هذا هو سبب نجاح هذه المشاريع".