هوش مصنوعی چگونه علوم گرده و هشدارهای آلرژی را متحول می‌کند؟
1
معرفی پروژه پیشرو
در یک دستاورد علمی چشمگیر، سیستم هوش مصنوعی جدیدی اکنون قادر است گرده‌های درخت کاج، صنوبر و نوئل را به‌صورت جداگانه و در عرض چند ثانیه شناسایی کند. این پیشرفت می‌تواند به طراحی پاک‌تر شهرها، هشدارهای دقیق‌تر برای آلرژی و درک عمیق‌تر از تغییرات بوم‌شناختی منجر شود.
این پروژه توسط تیمی از دانشگاه تگزاس در آرلینگتون، دانشگاه نوادا و دانشگاه صنعتی ویرجینیا هدایت شده است. دانشمندان با استفاده از تصاویر میکروسکوپی ذخیره‌شده در موزه تاریخ طبیعی دانشگاه نوادا، ۹ مدل یادگیری ماشین را آموزش دادند. بهترین الگوریتم، از نظر سرعت و دقت، از متخصصان انسانی پیشی گرفت، در حالی که همچنان به اسلایدهای آماده‌شده توسط کارشناسان و زمینه بوم‌شناختی دقیق متکی بود.
هوش مصنوعی و دقت در داده‌های گرده‌ای
مزایای تصمیم‌گیری هوشمند در فضای سبز شهری
به گفته دکتر بهناز بلمکی، استادیار تحقیقاتی زیست‌شناسی در دانشگاه UTA و یکی از نویسندگان مقاله، «با داشتن داده‌های دقیق‌تر درباره گونه‌های درختی که بیشترین حساسیت‌زایی را دارند و زمان انتشار گرده آن‌ها، برنامه‌ریزان شهری می‌توانند تصمیمات هوشمندتری در زمینه کاشت درختان اتخاذ کنند.»
این اطلاعات می‌تواند به کاهش بار گرده در اطراف مدارس، ورودی بیمارستان‌ها، زمین‌های بازی و مناطق مسکونی پرتراکم کمک کند. همچنین این داده‌ها می‌توانند به داشبوردهای لحظه‌ای منتقل شوند تا در روزهای پرگرده به ساکنان هشدار داده شود.
هوش مصنوعی و هشدارهای به‌موقع سلامت گرده‌ای
تأثیر بر خدمات درمانی و پیشگیری
دکتر بلمکی افزود: «این موضوع به‌ویژه در مناطق پرتردد مانند مدارس، بیمارستان‌ها، پارک‌ها و محله‌ها اهمیت دارد. خدمات بهداشتی می‌توانند از این اطلاعات برای زمان‌بندی بهتر هشدارهای آلرژی، پیام‌های سلامت عمومی و توصیه‌های درمانی در فصل‌های اوج گرده‌افشانی استفاده کنند.»
پیش‌بینی‌های کنونی معمولاً گرده تمام درختان را به‌صورت کلی بررسی می‌کنند؛ اما مدل جدید می‌تواند مشخص کند که کدام گونه دقیقاً در چه روزی بیشترین گرده را تولید می‌کند. این جزئیات به پزشکان در تنظیم توصیه‌ها و به بیماران در زمان‌بندی دقیق داروها کمک می‌کند.
نگاهی به گذشته از طریق گرده‌ها
گرده، سندی از اقلیم‌های پیشین
دانه‌های گرده‌ای که در گل‌ولای دریاچه‌ها و باتلاق‌ها حفظ شده‌اند، سابقه‌ای زمانی از مناظر گذشته ارائه می‌دهند. با شناسایی دقیق هر دانه، پژوهشگران می‌توانند جابه‌جایی جنگل‌ها را در واکنش به تغییرات دما و بارش پیگیری کنند. این کار تا پیش از این، بسیار کند و محدود به خانواده‌های کلی گیاهی بود. اکنون هوش مصنوعی می‌تواند این گلوگاه را رفع کند و نقطه شروع آن، گرده است.
دکتر بلمکی تأکید می‌کند: «حتی با میکروسکوپ‌های با وضوح بالا نیز تفاوت بین گرده‌ها بسیار ظریف است.» این ظرافت باعث می‌شد که متخصصان ساعت‌ها به میکروسکوپ خیره شوند، در حالی که در نمونه‌های رسوبی بزرگ، میلیون‌ها دانه گرده در انتظار طبقه‌بندی هستند.
یادگیری عمیق و افزایش سرعت طبقه‌بندی گرده‌ها
هوش مصنوعی در خدمت پژوهش‌های محیط‌زیستی
دکتر بلمکی خاطرنشان کرد: «مطالعه ما نشان می‌دهد ابزارهای یادگیری عمیق می‌توانند سرعت و دقت طبقه‌بندی گرده‌ها را به‌طور قابل‌توجهی افزایش دهند.»
این ابزارها راه را برای پایش زیست‌محیطی در مقیاس گسترده و بازسازی‌های دقیق‌تر تغییرات بوم‌شناختی باز می‌کنند. همچنین نوید بهبود پیگیری آلرژن‌ها را با شناسایی دقیق گونه‌هایی که گرده تولید می‌کنند، می‌دهند.
در آینده، خطوط پردازش خودکار می‌توانند هزاران اسلاید را اسکن و نتایج را به پایگاه‌های داده باز منتقل کنند. این داده‌ها نقشه‌های دقیق‌تری از خشکسالی‌ها، موج‌های گرما و دوره‌های بازیابی اقلیم در اختیار اقلیم‌شناسان قرار خواهد داد.
مزایا برای کشاورزی و محیط‌های طبیعی
گرده، نشانگر سلامت زیست‌بوم
دکتر بلمکی می‌گوید: «گرده، شاخص قدرتمندی از سلامت زیست‌بوم است.» گیاهانی که نسبت به حالت عادی گرده کمتری تولید می‌کنند، ممکن است نشانه‌ای از استرس آبی یا افت کیفیت خاک باشند. کشاورزانی که این تغییرات را زیر نظر دارند، می‌توانند پیش از کاهش عملکرد محصولات، از ریسک آگاه شوند.
ترکیب گرده‌ها می‌تواند نشانه‌ای از تغییر در پوشش گیاهی، سطح رطوبت یا حتی وقوع آتش‌سوزی‌های گذشته باشد. کشاورزان می‌توانند از این اطلاعات برای ردیابی روندهای زیست‌محیطی بلندمدتی که بر پایداری محصولات، شرایط خاک یا الگوهای اقلیمی منطقه‌ای تأثیر می‌گذارند، استفاده کنند.
محافظت از گرده‌افشان‌ها با فناوری
کمک به زنبورها و پروانه‌ها
چمنزارهای سالم به زنبورها، پروانه‌ها و دیگر حشرات وابسته‌اند که به زمان شکوفه‌دهی دقیق گیاهان نیاز دارند. همان‌طور که دکتر بلمکی توضیح می‌دهد: «بسیاری از حیوانات، از جمله حشراتی مانند زنبورها و پروانه‌ها، برای تغذیه و زیستگاه به گیاهان خاصی وابسته‌اند.»
اگر برخی انواع گرده ناپدید شوند، گروه‌های حفاظتی می‌توانند به کمک فناوری جدید، بدانند کدام دسته از گل‌های وحشی در خطر هستند.
وی افزود: «با شناسایی اینکه کدام گونه‌های گیاهی در یک منطقه وجود دارند یا در حال کاهش هستند، می‌توانیم بفهمیم این تغییرات چه تأثیری بر زنجیره غذایی دارند و گام‌هایی برای حفاظت از روابط حیاتی میان گیاهان و گرده‌افشان‌ها برداریم.»
آزمون مدل‌های هوش مصنوعی روی گرده‌ها
الگوریتم‌هایی با دقتی در حد متخصصان
پژوهشگران گرده‌های صنوبر، نوئل و کاج مربوط به دهه‌های گذشته را اسکن کردند. هر الگوریتم الگوهای ریز و تعداد منفذهایی که مشخصه هر گونه درخت است را یاد گرفت. مدل برتر توانست با دقتی هم‌سطح با پالینولوژیست‌های مجرب، گونه‌ها را شناسایی کند.
دکتر بلمکی گفت: «این نشان می‌دهد که یادگیری عمیق می‌تواند از روش‌های سنتی در هر دو زمینه سرعت و دقت پیشی بگیرد.»
ترکیب انسان و ماشین؛ همکاری ضروری
با این حال، نمونه‌های شیشه‌ای باید کاملاً تمیز و برچسب‌گذاری‌شده باقی بمانند. تیم پژوهش تأکید دارد که بهترین عملکرد زمانی حاصل می‌شود که انسان و ماشین با هم کار کنند.
او افزود: «این موضوع همچنین تأیید می‌کند که تخصص انسانی هنوز هم ضروری است. شما نیاز به نمونه‌های به‌خوبی آماده‌شده و درک قوی از زمینه بوم‌شناختی دارید. این فقط درباره ماشین‌ها نیست – بلکه همکاری بین فناوری و علم است.»
شهرها و مناظر مقاوم‌تر با هوش مصنوعی
نقشه‌برداری از تغییرات گونه‌ای
گروه پژوهشی اکنون در حال تغذیه تصاویر مربوط به بلوط، افرا، چمن‌ها و علف‌های هرز به سیستم است. با کمک هوش مصنوعی، ممکن است در چند سال آینده اطلس ملی از طغیان گونه‌محور گرده‌ها به‌وجود آید. دانشمندان می‌توانند تغییر پوشش گیاهی پس از طوفان‌ها، آسیب‌های ناشی از خشکسالی یا روند گرم‌شدگی که درختان جنوبی را به سمت شمال می‌راند، ردیابی کنند.
ترکیب هوش مصنوعی و گیاه‌شناسی کلاسیک چیزی بیش از سرعت علمی به ارمغان می‌آورد؛ به برنامه‌ریزان شهری فهرست‌هایی از گیاهان ارائه می‌دهد که مشکلات تنفسی را کاهش می‌دهند. به کشاورزان ابزار زنده‌ای برای ارزیابی تغییرات خاک و اقلیم می‌دهد. و به بوم‌شناسان میکروسکوپی می‌دهد که هیچ‌گاه خسته نمی‌شود.
با طولانی‌تر شدن فصل‌های گرده‌افشانی در دنیای گرم‌تر، چنین ابزارهای دقیقی اهمیت بیشتری خواهند یافت. این پژوهش گامی به‌سوی آینده‌ای است که در آن هر دانه گرده، داستان خود را سریع و شفاف بازگو می‌کند؛ به افراد کمک می‌کند آسان‌تر نفس بکشند و مدیریت هوشمندانه‌تری بر پوشش گیاهی و سرزمین داشته باشند.
این مطالعه در ژورنال Frontiers in Big Data منتشر شده است.
