يُزعم أن نظام الذكاء الاصطناعي الذي تم تطويره في EPFL، جامعة الأبحاث العامة في لوزان بسويسرا، قادر على إنتاج خرائط تفصيلية ثلاثية الأبعاد للشعاب المرجانية حتى من لقطات فيديو مشكوك فيها للغواصين الهواة - في غضون دقائق.
يمكن جمع البيانات المطلوبة لنظام DeepReefMap من قبل أي شخص مجهز بمعدات غوص قياسية وكاميرا متاحة تجاريًا.
كل ما عليهم فعله هو السباحة ببطء فوق الشعاب المرجانية لعدة مئات من الأمتار، والتقاط لقطات فيديو للمنظر أدناه أثناء تحركهم.
القيود الوحيدة هي عمر بطارية الكاميرا وكمية الهواء في خزان الغواص، كما يقول EPFL، مدعيًا أن التطوير يمثل "قفزة كبيرة إلى الأمام في استكشاف أعماق البحار وقدرات الحفاظ عليها لمنظمات مثل مركز البحر الأحمر العابر للحدود الوطنية (TRSC) )” – هيئة بحث علمي يستضيفها EPFL منذ عام 2019.
تجري TRSC دراسات متعمقة حول أنواع الشعاب المرجانية في البحر الأحمر التي أثبتت أنها أكثر مقاومة للضغوط المرتبطة بالمناخ، كما تعمل مبادرتها أيضًا بمثابة أرض اختبار لنظام DeepReefMap.
الخرائط في لحظات
تم تطوير DeepReefMap في مختبر العلوم الحاسوبية البيئية ومراقبة الأرض (ECEO) داخل كلية الهندسة المعمارية والهندسة المدنية والبيئية (ENAC) في EPFL، ويقال إن DeepReefMap لديه القدرة على إنتاج عدة مئات من الأمتار من خرائط الشعاب المرجانية ثلاثية الأبعاد في لحظات.
ليس هذا فحسب، بل يمكنه أيضًا التعرف على السمات والخصائص المميزة للشعاب المرجانية وتصنيفها
يقول صامويل جارداز، منسق مشاريع TRSC: "مع هذا النظام الجديد، يمكن لأي شخص أن يلعب دورًا في رسم خرائط الشعاب المرجانية في العالم". "سيحفز هذا حقًا البحث في هذا المجال من خلال تقليل عبء العمل، وكمية المعدات والخدمات اللوجستية، والتكاليف المتعلقة بتكنولوجيا المعلومات."

يقول EPFL إن الحصول على خرائط ثلاثية الأبعاد للشعاب المرجانية باستخدام الطرق التقليدية أثبت أنه أمر صعب ومكلف في الماضي.
تعتمد عمليات إعادة البناء المكثفة حسابيًا على عدة مئات من الصور لنفس الجزء من الشعاب المرجانية ذات الحجم المحدود للغاية (بضع عشرات من الأمتار) المأخوذة من العديد من النقاط المرجعية المختلفة، ولم يتمكن سوى الغواصين المتخصصين من الحصول على مثل هذه الصور.
وقد أدت هذه العوامل إلى الحد بشدة من تخطيط الشعاب المرجانية في أجزاء من العالم تفتقر إلى الخبرة الفنية اللازمة، كما أثنت عن رصد الشعاب المرجانية الممتدة التي تغطي كيلومترات، أو حتى مئات الأمتار.
مجموعة من ست كاميرات
في حين أن البيانات الموجودة على الشعاب المرجانية الصغيرة يمكن التقاطها بسهولة لـ DeepReefMap بواسطة الغواصين الهواة، للحصول على بيانات على مساحة أوسع، قام باحثو EPFL بتطوير هيكل PVC يحمل ست كاميرات - ثلاث متجهة للأمام وثلاث للخلف. تفصل بين الكاميرات مسافة متر واحد ولا يزال يتم تشغيل الإعداد بواسطة غواص واحد.
ويقال إن هذه المجموعة المكونة من ست كاميرات توفر خيارًا منخفض التكلفة لفرق الغوص المحلية التي تعمل بميزانيات محدودة.
بمجرد تحميل اللقطات، يقال إن DeepReefMap ليس لديه مشكلة مع الإضاءة الضعيفة أو تأثيرات الحيود والكاوية التي توجد غالبًا في الصور تحت الماء.
"تتعلم الشبكات العصبية العميقة التكيف مع هذه الظروف، والتي تعتبر دون المستوى الأمثل لخوارزميات رؤية الكمبيوتر".
تعمل برامج رسم الخرائط ثلاثية الأبعاد الحالية بشكل موثوق فقط في ظل ظروف الإضاءة الدقيقة ومع صور عالية الدقة، وهي "محدودة أيضًا عندما يتعلق الأمر بالحجم"، وفقًا لأستاذ ECEO ديفيس تويا.

ويقول: "في حالة الدقة التي يمكن من خلالها التعرف على الشعاب المرجانية الفردية، يبلغ طول أكبر الخرائط ثلاثية الأبعاد عدة أمتار، الأمر الذي يتطلب قدرًا هائلاً من وقت المعالجة". "مع DeepReefMap، نحن مقيدون فقط بالمدة التي يمكن للغواص أن يبقى فيها تحت الماء."
الصحة والشكل
يدعي الباحثون أيضًا أنهم جعلوا الحياة أسهل لعلماء الأحياء الميدانيين من خلال تضمين "خوارزميات التجزئة الدلالية" التي يمكنها تصنيف الشعاب المرجانية وتحديد كميتها وفقًا لخاصيتين.
السمة الأولى هي الصحة - من الملونة للغاية (تشير إلى صحة جيدة) إلى الأبيض (يدل على التبييض) والمغطاة بالطحالب (تدل على الموت) - والثانية هي الشكل، باستخدام مقياس معترف به دوليا لتصنيف أنواع الشعاب المرجانية الأكثر شيوعا. في الشعاب المرجانية الضحلة للبحر الأحمر (متفرعة، صخرية، صفيحة وناعمة).
يقول جوناثان سودر، الذي عمل على تطوير DeepReefMap في أطروحته للدكتوراه: "كان هدفنا هو تطوير نظام من شأنه أن يكون مفيدًا للعلماء العاملين في هذا المجال، ويمكن نشره بسرعة وعلى نطاق واسع".
جيبوتي، على سبيل المثال، لديها خط ساحلي يبلغ طوله 400 كيلومتر. طريقتنا لا تتطلب أي أجهزة باهظة الثمن. كل ما يتطلبه الأمر هو جهاز كمبيوتر مزود بوحدة معالجة الرسومات الأساسية. تتم عملية التجزئة الدلالية وإعادة البناء ثلاثي الأبعاد بنفس سرعة تشغيل الفيديو.
ويعتقد الباحثون أنه باستخدام التكنولوجيا سيصبح من السهل مراقبة كيفية تغير الشعاب المرجانية بمرور الوقت، لتحديد مناطق الحماية ذات الأولوية.
كما سيعطي العلماء نقطة انطلاق لإضافة بيانات أخرى مثل تنوع وثراء أنواع الشعاب المرجانية، وعلم الوراثة السكانية، والقدرة على التكيف للشعاب المرجانية مع المياه الدافئة، والتلوث المحلي في الشعاب المرجانية. يمكن أن تؤدي هذه العملية في النهاية إلى إنشاء توأم رقمي كامل للشعاب المرجانية.
يقول EPFL إنه يمكن استخدام DeepReefMap أيضًا في أشجار المانغروف وغيرها من موائل المياه الضحلة، ويكون بمثابة دليل لاستكشاف النظم البيئية البحرية الأعمق.
يقول تويا: "يمكن بسهولة استخدام قدرة إعادة البناء المضمنة في نظام الذكاء الاصطناعي لدينا في بيئات أخرى، على الرغم من أن تدريب الشبكات العصبية على تصنيف الأنواع في بيئات جديدة سيستغرق بعض الوقت".
رسم خرائط حطام السفن؟
قال جوناثان سودر: "لا أتوقع استخدامًا تجاريًا (سواء من حيث الاستخدام في الغوص التجاري أو بيع منتج) قريبًا". ديفرنت. "من المرجح أن تظل الطريقة قيد التطوير، مع إصدار المزيد من الإصدارات مفتوحة المصدر سهلة الاستخدام قريبًا.
"تعد الرؤية ثلاثية الأبعاد مجالًا ساخنًا في أبحاث التعلم الآلي/الروبوتات. الأمور تتحرك بسرعة كبيرة وأتوقع أن يكون لرسم الخرائط في الوقت الفعلي "لحظة ChatGPT" خلال السنوات القادمة، مع توفر مفاجئ واسع النطاق لخوارزميات قوية جدًا، مدفوعة من قبل شركات كبيرة ذات ميزانيات بحثية وهندسية لا حصر لها على ما يبدو، لكننا سنفعل ذلك يرى!"
هل يمكن تكييف النظام لرسم خرائط ثلاثية الأبعاد لحطام السفن؟ "إن رسم الخرائط ثلاثية الأبعاد عبارة عن خوارزمية مستفادة - مما يعني أنها تتعلم من مجموعة من مقاطع الفيديو التدريبية.
في السيناريو الخاص بنا، نقوم بتدريب نظام رسم الخرائط على مقاطع فيديو الشعاب المرجانية. أظن الآن أن الأمر سينجح على حطام السفن، لكنه يمكن أن يعمل بشكل أفضل كثيرًا إذا تم تدريبه على كميات كبيرة من مقاطع الفيديو من مثل هذه المشاهد.
"في الوقت الحالي، أتوقع أن تظل أفضل طريقة للحصول على عمليات إعادة بناء رائعة ثلاثية الأبعاد لحطام السفن عبارة عن سير عمل تقليدي لرسم الخرائط ثلاثية الأبعاد لالتقاط العديد من الصور عالية الدقة، وحساب أوضاع الكاميرا باستخدام برنامج Structure-from-Motion مثل Agisoft Metashape أو COLMAP، ومن ثم من المحتمل أن يتم عرضها بشكل جيد على شكل Splat Gaussian.
نُشرت مؤخرًا ورقة بحثية حول بحث رسم خرائط الشعاب المرجانية في المجلة طرق في علم البيئة والتطور.
أيضا على ديفرنيت: الشعاب المرجانية في العالم أكبر مما كنا نعتقد.., 10 طرق تنقذ بها التكنولوجيا المرجان, الشعاب المرجانية العميقة هي الأكبر المعروفة في العالم, تكشف مخططات القرن الثامن عشر عن فقدان المرجان