Hvordan kunstig intelligens og 360-kameraer hjælper med at redde koralrev

$config[ads_kvadrat] not found

The future of psychedelic-assisted psychotherapy | Rick Doblin

The future of psychedelic-assisted psychotherapy | Rick Doblin
Anonim

Klimaændringer har været blegning koralrev, decimating de lokale marine arter, der kalder dem hjem, da i hvert fald de første store observationer blev registreret i Caribien i 1980. Heldigvis nye A.I. katalogisering designet til at identificere de geografiske områder, hvor koral er stadig blomstrende håber at vende tendensen, hvilket redder nogle af verdens mest tætte og varierede akvatiske økosystemer fra alt-men-bestemt udryddelse.

Der er mange grunde til, at vi skal bekymre os om at redde koralrev, fra det etiske til det økonomiske. Ud over at boliger omkring en kvart marine arter, giver disse rev $ 375 milliarder USD i omsætning til verdensøkonomien, ifølge Formynderen, og fødevaresikkerhed til en halv milliard mennesker. Uden dem siger forskere utallige arter, og hele havfiskeriet, der afhænger af dem, vil simpelthen fordampe.

Problemet er, at der kun er så mange penge og så meget tid til at afværge den skade, der allerede er i gang, mens de 172 nationer, der ratificerede De Forenede Nationers rammekonvention om klimaændringer, "Paris-aftalen", kaster ned på deres kulstofemissioner. Men et internationalt konsortium af forskere siger, at de håber, at kunstig intelligens kan udfylde hullerne og hjælpe revene med at få den opmærksomhed og de ressourcer, de har brug for til at overleve.

Løsningen involverede et team af forskere, der anvender undervands scootere med 360 graders kameraer, der fotograferer 1487 kvadrat miles af rev ud for kysten af ​​Sulawesi Island i Indonesien. (Sulawesi, beliggende midt i Coral Triangle, er omgivet af den højeste koncentration af marine biodiversitet på planeten.)

Disse billeder blev derefter fodret ind i en form for dyb læring A.I. der var blevet undervist i løbet af 400 til 600 billeder for at identificere typer af koraller og andre hvirvelløse dyr, for at vurdere områdets økologiske sundhed.

"Anvendelsen af ​​A.I. at analysere billeder af koraller hurtigt har forbedret effektiviteten af ​​det, vi gør ", siger Emma Kennedy, Ph.D., en bentisk marine økolog ved University of Queensland, i en redegørelse. "Hvad ville tage en koralrevforsker 10 til 15 minutter tager nu maskinen et par sekunder."

"Maskinen lærer på en måde som en menneskelig hjerne, der vejer mange små beslutninger om, hvad den ser på, indtil den bygger et billede og er overbevist om at identificere."

Kennedy og andre forskere har også brugt en brugerdefineret iterativ klyngningsalgoritme til at identificere koralrev i hele verden, der sandsynligvis vil have gavn af bevarelsesressourcer. Deres formel er baseret på 30 metrics kendt for at påvirke koralrev økologi, bredt inddelt i kategorier som historisk aktivitet, termiske forhold, cyklon bølge skader og koral larver adfærd. Et kort over disse primære steder til fremtidig koralbeskyttelse blev offentliggjort i Bevarelsesbrev, en journal fra Society for Conservation Biology sidst i juli.

Forskningen blev gjort mulig ved generøse donationer fra den australske regering, Nature Conservancy, Bloomberg Philanthropies, Tiffany & Co. Foundation og Paul G. Allen Family Foundation, hvis navnefornøjelses pram har en bemærkelsesværdig rekord inden for koralrev udtømning.

Kennedy og hendes hold håber at disse A.I. teknikker vil blive yderligere raffineret for at hjælpe med at håndtere koralrev på det mere lokale niveau såvel som adskillige økologisk vigtige steder, herunder det mesoamerikanske barriereref og korallerne på Hawaii, som begge skulle udelukkes fra deres undersøgelse.

Lokale versioner af deres globale undersøgelse tror de ville have gavn af data, der ikke er ensartet tilgængelige for rev på internationalt plan: information om oceankemi, "adaptiv kapacitet" af lokale rev for at modstå klimaændringer eller andet stress på deres systemer eller oplysningerne af den lokale økonomiske afhængighed af disse koralrev.

$config[ads_kvadrat] not found