Խելացի օվկիանոսներ․ ինչպե՞ս է արհեստական բանականությունը (ԱԲ) քարտեզագրում անտեսանելի աշխարհը

Մեր մոլորակի օվկիանոսների ընդարձակ, չհետազոտված տարածքները երկար ժամանակ գրավել են մարդու երևակայությունը: Օվկիանոսի հատակի ավելի քան 80%-ը չքարտեզագրված է, և դեռևս բազմաթիվ տեսակներ չեն հայտնաբերվել, ջրի տակի աշխարհը մնում է Երկրի վերջին մեծ սահմաններից մեկը: Վերջին տարիներին արհեստական բանականության (ԱԲ) ինտեգրումը օվկիանոսային ճարտարագիտության հետ բացել է հետազոտության, պահպանման և ծովային միջավայրերի ըմբռնման նոր հետաքրքիր հնարավորություններ: Այս հոդվածը խորանում է այն հարցում, թե ինչպես է ԱԲ-ն հեղափոխում օվկիանոսային ճարտարագիտությունը՝ սկսած առաջադեմ ստորջրյա ռոբոտների նախագծումից մինչև ծովային էկոհամակարգերի մոնիթորինգի և պաշտպանության նորարարական մեթոդներ:

1. ԱԲ-ով աշխատող ստորջրյա ռոբոտներ

Օվկիանոսային ճարտարագիտության ամենանշանակալի առաջընթացներից մեկը եղել է ավելի ու ավելի բարդ ստորջրյա ռոբոտների մշակումը, որոնք հայտնի են նաև որպես ինքնավար ստորջրյա տրանսպորտային միջոցներ (ԻՍՏ) կամ հեռակառավարվող տրանսպորտային միջոցներ (ՀՏՄ): Այս ռոբոտներն այժմ կատարելագործվում են ԱԻ հնարավորություններով՝ թույլ տալով նրանց նավարկել բարդ ստորջրյա տեղանքներում, հավաքել տվյալներ և նույնիск ինքնուրույն որոշումներ կայացնել: 

Woods Hole Օվկիանոսագրական ինստիտուտի (WHOI) կողմից մշակված Mesobot-ը ցուցադրում է ստորջրյա ռոբոտաշինության մեջ ԱԲ ներուժը: Այս ինքնավար ռոբոտը նախագծված է ուսումնասիրելու օվկիանոսի մթնշաղի գոտին, որը գտնվում է մակերևույթից 200-ից 1000 մետր խորության վրա: Mesobot-ն օգտագործում է համակարգչային տեսողության և մեքենայական ուսուցման ալգորիթմներ՝ երկար ժամանակահատվածում հետևելու և հետևելու առանձին ծովային օրգանիզմներին՝ տրամադրելով աննախադեպ պատկերացումներ նրանց վարքի և էկոլոգիայի մասին: Այս ռոբոտների ԱԲ համակարգերը նրանց հնարավորություն են տալիս. 

• Նավարկել ինքնուրույն՝ խուսափելով խոչընդոտներից և հարմարվելով փոփոխվող հոսանքներին։ 

• Իրական ժամանակում ճանաչել և դասակարգել ծովային տեսակները։

• Օպտիմալացնել տվյալների հավաքագրման երթուղիները՝ հիմնվելով շրջակա միջավայրի պայմանների վրա։

• Կատարել բարդ առաջադրանքներ, ինչպիսիք են ջրի տակ վերանորոգումները կամ նմուշների հավաքագրումը՝ առանց մարդու մշտական վերահսկողության։

2. ԱԲ-ն ծովային միջավայրի մոնիթորինգի համար

Արհեստական ինտելեկտը կարևոր դեր է խաղում ծովային միջավայրերի մոնիթորինգի և ըմբռնման գործում: Մշակելով հսկայական քանակությամբ տվյալներ տարբեր սենսորներից, արբանյակներից և ստորջրյա դիտարաններից՝ ԱԲ համակարգերը կարող են հայտնաբերել օրինաչափություններ և անոմալիաներ, որոնք կարող են վրիպել մարդ դիտորդներից: 

Allen Coral Atlas-ը՝ բազմաթիվ հետազոտական հաստատությունների համատեղ նախագիծը, օգտագործում է ԱԲ և արբանյակային պատկերներ՝ աշխարհի մարջանային խութերը քարտեզագրելու և մոնիթորինգի ենթարկելու համար: Մեքենայական ուսուցման ալգորիթմները վերլուծում են բարձր լուծաչափի արբանյակային պատկերները՝ տարբերակելով մարջանի տարբեր տեսակները, ավազը և ջրիմուռները: Այս տեխնոլոգիան հետազոտողներին հնարավորություն է տալիս գլոբալ մասշտաբով հետևել մարջանային խութերի առողջության փոփոխություններին՝ տրամադրելով կենսական տեղեկատվություն պահպանման ջանքերի համար:

Ծովային միջավայրի մոնիթորինգի ԱԲ կիրառությունները ներառում են.

• Օվկիանոսագրական տվյալների վերլուծության միջոցով վնասակար ջրիմուռների ծաղկման կանխատեսում։

• Ակուստիկ տվյալների օգտագործմամբ ծովային տեսակների շարժման և վարքի հետևում։

• Արբանյակային պատկերների վերլուծության միջոցով անօրինական ձկնորսության գործունեության հայտնաբերում։

• Երկարաժամկետ տվյալների հավաքածուների մշակման միջոցով օվկիանոսային էկոհամակարգերի վրա կլիմայի փոփոխության ազդեցության գնահատում։

3. Խորջրյա հետազություններ և ԱԲ

Խոր ծովի ծայրահեղ պայմանները, ներառյալ ճնշող ճնշումները, լրիվ խավարը և սառեցնող ջերմաստիճանները, այն դարձնում են հետազոտության համար ամենաբարդ միջավայրերից մեկը: ԱԲ-ն օգնում է օվկիանոսային ճարտարագետներին հաղթահարել այս խոչընդոտները և ընդլայնել խորջրյա հետազոտությունների սահմանները: 

NASA-ի և WHOI-ի կողմից մշակված Orpheus դասի ստորջրյա ռոբոտները խորջրյա հետազոտության հնարավորությունների զգալի թռիչք են ներկայացնում: Այս փոքր, ինքնավար ռոբոտները օգտագործում են ԱԲ-ով աշխատող նավիգացիոն համակարգեր, որոնք ոգեշնչված են NASA-ի Mars ռովերներից: Դրանք կարող են գործել մինչև 11,000 մետր խորության վրա՝ հասնելով հադալային գոտուն՝ օվկիանոսի ամենախորը մասերին: ԱԲ-ն Orpheus-ին թույլ է տալիս ստեղծել օվկիանոսի հատակի 3D քարտեզներ, բացահայտել երկրաբանական առանձնահատկություններ և նույնիսկ հայտնաբերել կյանքի նշաններ այս ծայրահեղ միջավայրերում:

Խորջրյա հետազոտության ԱԲ ներդրումները ներառում են.

• Խորջրյա տրանսպորտային միջոցների ինքնավարության և որոշումների կայացման կարողությունների բարելավում։

• Օվկիանոսի հատակի քարտեզագրման արդյունավետության և ճշգրտության բարելավում։

• Հիդրոթերմալ անցքերից և այլ եզակի խորջրյա էկոհամակարգերից ստացված տվյալների վերլուծություն։

• Օգնություն խորջրյա նոր տեսակների հայտնաբերման և ուսումնասիրման գործում։

4. ԱԲ-ն օվկիանոսագրական տվյալների վերլուծության մեջ

Օվկիանոսագրական հետազոտությունների կողմից առաջացած տվյալների հսկայական ծավալը զգալի մարտահրավեր է ներկայացնում վերլուծության ավանդական մեթոդների համար: ԱԲ-ն, մասնավորապես մեքենայական ուսուցման և խորը ուսուցման տեխնիկան, հեղափոխում է այն, թե ինչպես են գիտնականները մշակում և մեկնաբանում այս տվյալները: Սքրիփսի օվկիանոսագրության ինստիտուտի հետազոտողները մշակել են «Deep-See» կոչվող ԱԲ համակարգ, որը կարող է ավտոմատ կերպով վերլուծել ջրի տակ տեսանյութեր: Այս համակարգը կարող է բարձր ճշգրտությամբ նույնականացնել և հաշվել ձկների տեսակները՝ մեծապես արագացնելով կենսաբազմազանության գնահատման գործընթացը: Deep-See-ն ուսուցանվել է ջրի տակ տեսանյութերի հազարավոր ժամերի վրա և կարող է տարբերակել ձկների հարյուրավոր տարբեր տեսակներ, նույնիսկ ցածր տեսանելիության պայմաններում:

Օվկիանոսագրական տվյալների վերլուծության ԱԲ կիրառությունները ներառում են.

• Մասնատված տվյալներից օվկիանոսային շրջանառության մոդելների վերականգնում։

• Ապագա օվկիանոսի պայմանների և կլիմայի ազդեցությունների կանխատեսում։

• Պատկերների և տեսանյութերի տվյալներից ծովային օրգանիզմների նույնականացում և դասակարգում։

• Ծովային աղտոտվածության հայտնաբերում և հետևում, ներառյալ միկրոպլաստիկները։

5. ԱԲ օվկիանոսային ռեսուրսների կայուն կառավարման համար

Քանի որ օվկիանոսային ռեսուրսների պահանջարկն աճում է, ԱԲ-ն դառնում է կայուն կառավարման պրակտիկայի կարևոր գործիք: Ձկնորսությունից մինչև ափամերձ էներգիայի արտադրություն, ԱԲ-ն օգնում է օպտիմալացնել ռեսուրսների օգտագործումը՝ միևնույն ժամանակ նվազագույնի հասցնելով շրջակա միջավայրի վրա ազդեցությունը:

The Nature Conservancy-ն համագործակցել է տեխնոլոգիական ընկերությունների հետ՝ մշակելու FishFace՝ ձկների պոպուլյացիաների մոնիթորինգի ԱԲ-ով աշխատող համակարգ: Օգտագործելով ձկների համար հարմարեցված դեմքի ճանաչման տեխնոլոգիան՝FishFace-ը, օգտագործելով ձկների համար հարմարեցված դեմքի ճանաչման տեխնոլոգիան, կարող է ավտոմատ կերպով նույնականացնել և չափել առևտրային նավերի կողմից բռնված ձկները։ Այս համակարգը տրամադրում է իրական ժամանակում տվյալներ որսի կազմի և չափերի վերաբերյալ, ինչը թույլ է տալիս ավելի ճշգրիտ գնահատել պաշարները և օգնում է կանխել ձկների գերօգտագործումը։

Արհեստական բանականության կիրառությունները օվկիանոսային ռեսուրսների կառավարման ոլորտում ներառում են հետևյալը․

• Նավագնացական ուղիների օպտիմալացում՝ վառելիքի սպառումը նվազեցնելու և ծովային կյանքի վրա ազդեցությունը նվազեցնելու համար։

• Ավելի բարձր էներգիա արտադրելու և շրջակա միջավայրի վրա ազդեցությունը նվազեցնելու նպատակով ծովափնյա քամու ֆերմաների լավագույն տեղերը կանխատեսում։

• Ձկնաբուծական տնտեսությունների կառավարում՝ ջրի որակը և ձկների առողջությունը վերահսկելով։

• Ծովային հանքարդյունաբերական աշխատանքների արդյունավետության և կայունության բարձրացում։

Եզրակացություն

Արհեստական բանականության ինտեգրումը օվկիանոսային ճարտարագիտության հետ բերում է նոր դարաշրջան ծովային հետազոտությունների և պահպանման ոլորտում։ Սկսած խելացի ստորջրյա ռոբոտների նախագծումից մինչև ծովագիտական հսկայական տվյալների հավաքագրման վերլուծություն՝ արհեստական ինտելեկտը մեզ օգնում է բացահայտել խորքային օվկիանոսի գաղտնիքները, որոնք նախկինում անհնարին էին թվում։ Այս տեխնոլոգիաների շարունակական զարգացման արդյունքում, դրանք խոստանում են խորացնել մեր գիտելիքները օվկիանոսային էկոհամակարգերի վերաբերյալ, բարելավել ծովային ռեսուրսների կառավարումը և գուցե անգամ գտնել նոր լուծումներ գլոբալ մարտահրավերներին, ինչպիսիք են կլիմայի փոփոխությունը և սննդի անվտանգության ապահովումը: Սակայն կարևոր է նշել, որ չնայած արհեստական բանականության մեծ հնարավորություններ է առաջարկում, այն նաև պատասխանատվություն է կրում։ Հարկավոր է մեծ ուշադրություն դարձնել էթիկական հարցերին, օրինակ՝ ստորջրյա աղմուկի ազդեցությանը ծովային կյանքի վրա և տվյալների հնարավոր սխալ կիրառմանը։ Քանի դեռ մենք շարունակում ենք ընդլայնել օվկիանոսի հետազոտության սահմանները արհեստական բանականության միջոցով, տեխնոլոգիական առաջընթացի և շրջակա միջավայրի պաշտպանության միջև հավասարակշռությունը պահպանելը կլինի շատ կարևոր մեր մոլորակի օվկիանոսների և դրանցով ապրող կյանքի առողջության համար։