این پروژه توسط متخصصانی از دانشگاه «تگزاس» در آرلینگتون آمریکا، دانشگاه «نوادا» و «ویرجینیاتک» رهبری شد. دانشمندان با همکاری یکدیگر، ۹ مدل یادگیری ماشینی را آموزش دادند و بهترین الگوریتم از نظر سرعت و دقت از متخصصان انسانی پیشی گرفت. 

هوش مصنوعی داده‌های دقیقی در مورد گرده ارائه می‌دهد

بهناز بالماکی، استادیار تحقیقات زیست‌شناسی در دانشگاه «تگزاس» و یکی از محققان این پژوهش گفت: با داده‌های دقیق‌تر در مورد اینکه کدام گونه‌های درختی بیشترین حساسیت‌زایی را دارند و چه زمانی گرده آزاد می‌کنند، برنامه‌ریزان شهری می‌توانند هوشمندانه‌تری در مورد کاشت چه چیزی و در کجا تصمیم بگیرند. انتخاب‌های بهتر کاشت می‌تواند بار گرده را در نزدیکی حیاط مدارس، ورودی بیمارستان‌ها، زمین‌های بازی و مناطق مسکونی پرجمعیت کاهش دهد و همین داده‌ها می‌توانند به ساکنان، قبل از روزهای  مملو از گرده افشانی هشدار دهند.

هوش مصنوعی هشدارهای به موقع در مورد سلامت گرده‌ها ارائه می‌دهد

وی گفت: این موضوع به ویژه در مناطق پر رفت‌وآمد مانند مدارس، بیمارستان‌ها، پارک‌ها و محله‌ها اهمیت دارد. خدمات بهداشتی همچنین می‌توانند از این اطلاعات برای زمان‌بندی بهتر هشدارهای آلرژی، پیام‌رسانی بهداشت عمومی و توصیه‌های درمانی در فصول اوج گرده استفاده کنند. بسیاری از پیش‌بینی‌های فعلی، تمام گرده‌های درختان را جمع می‌کنند. مدل جدید می‌تواند مشخص کند که کدام گونه در کدام روز افزایش می‌یابد. این جزئیات به پزشکان اجازه می‌دهد تا توصیه‌ها را بر این اساس تنظیم و به بیماران اجازه می‌دهد برنامه‌های دارویی خود را به‌طور دقیق کنترل کنند.

دانه‌های گرده که در گل ولای دریاچه‌ها و باتلاق‌های زغال‌سنگ نگهداری می‌شوند، سابقه‌ای از مناظر اولیه با مُهر زمان ارائه می‌دهند. محققان با شناسایی هر دانه، نحوه حرکت جنگل‌ها را با تغییر بارندگی و دما ردیابی می‌کنند. تاکنون، این کار اغلب کند و محدود به خانواده‌های گیاهی گسترده بود اما هوش مصنوعی می‌تواند این تنگنا را از بین ببرد.

یادگیری عمیق سرعت شمارش را افزایش می‌دهد

بالماکی گفت: بررسی ما نشان می‌دهد که ابزارهای یادگیری عمیق می‌توانند سرعت و دقت طبقه‌بندی گرده‌ها را به‌طور قابل‌توجهی افزایش دهند. این امر دریچه‌ای به سوی نظارت محیطی در مقیاس بزرگ و بازسازی‌های دقیق‌تر تغییرات اکولوژیکی می‌گشاید. همچنین با شناسایی دقیق اینکه کدام گونه‌ها و چه زمانی گرده آزاد می‌کنند، نویدبخش بهبود ردیابی آلرژن‌هاست.

سایت ارث گزارش کرد، تغییر در ترکیب گرده می‌تواند نشان‌دهنده‌ تغییرات در پوشش گیاهی، سطح رطوبت و حتی فعالیت‌های آتش‌سوزی گذشته باشد. کشاورزان می‌توانند از این اطلاعات برای ردیابی روندهای زیست‌محیطی بلندمدت که بر زیست‌پذیری محصولات، شرایط خاک یا الگوهای آب وهوایی منطقه‌ای تأثیر می‌گذارند، استفاده کنند.

 ترکیب هوش مصنوعی و گیاه‌شناسی کلاسیک چیزی بیش از سرعت علمی ارائه می‌دهد. این فناوری برنامه‌ریزان شهری را به فهرست گیاهانی مجهز می‌کند که مشکلات تنفسی را کاهش می‌دهند. این فناوری به کشاورزان، ابزار سنجش زنده از خاک و تغییرات آب‌وهوایی می‌دهد.

این تحقیق گامی به سوی آینده‌ای است که در آن هر دانه گرده، داستان خود را به سرعت و به وضوح بیان می‌کند و به مردم کمک می‌کند تا راحت‌تر نفس بکشند و مدیریت هوشمندانه‌تری از گیاهان و زمین را هدایت می‌کند.

نتایج این تحقیق در مجله Frontiers in Big Data منتشر شده است.

انتهای پیام