ناجیان موج سواری استرالیایی به طور فزاینده ای از پهپادها برای شناسایی کوسه ها در ساحل قبل از نزدیک شدن به شناگران استفاده می کنند. اما آنها چقدر قابل اعتماد هستند؟
تشخیص اینکه آیا آن لکه تیره در آب یک کوسه است یا فقط جلبک دریایی، همیشه ساده نیست و در شرایط معقول، خلبانان هواپیماهای بدون سرنشین عموماً فقط در ۶۰٪ مواقع تشخیص درست را انجام می دهند. در حالی که این امر پیامدهایی برای ایمنی عمومی دارد، می‌تواند منجر به تعطیلی غیرضروری سواحل و هشدار عمومی شود.
مهندسان در تلاشند تا با هوش مصنوعی (AI) دقت این پهپادهای شناسایی کوسه را افزایش دهند. در حالی که سیستم‌های هوش مصنوعی در آزمایشگاه نویدهای زیادی را نشان می‌دهند، در دنیای واقعی به سختی می‌توان به سیستم‌های هوش مصنوعی دست یافت و مهمتر از همه، اعتماد بیش از حد به چنین نرم افزارهایی می تواند عواقب جدی داشته باشد.
دولت نیو ساوت ولز بیش از ۸۵ میلیون دلار استرالیا در اقدامات کاهش کوسه در چهار سال آینده سرمایه گذاری کرده است. از بین همه رویکردهای ارائه شده، یک نظرسنجی در سال ۲۰۲۰ نشان داد که نظارت بر کوسه مبتنی بر پهپاد روش ترجیحی مردم برای محافظت از مسافران ساحل است.
دولت ایالتی از سال ۲۰۱۶ پهپادها را به‌عنوان ابزار شناسایی کوسه‌ها آزمایش می‌کند. خلبانان آموزش دیده نجات غریق، پهپاد را بر فراز اقیانوس در ارتفاع ۶۰ متری پرواز می‌کنند و ویدیوی زنده را روی صفحه‌های قابل حمل تماشا می‌کنند.
شناسایی کوسه ها با تجزیه و تحلیل دقیق فیلم در شرایط خوب آسان به نظر می رسد. اما شفافیت آب، انعکاس سطح دریا، عمق حیوانات، تجربه خلبان و خستگی همگی قابلیت اطمینان تشخیص بلادرنگ را به میانگین پیش‌بینی‌شده ۶۰ درصد کاهش می‌دهند.
خلبانان همچنین باید با اطمینان گونه های کوسه را شناسایی کنند و تفاوت بین حیوانات خطرناک و غیرخطرناک مانند پرتوها را که اغلب به اشتباه شناسایی می شوند، تشخیص دهند.
بینایی رایانه‌ای مبتنی بر هوش مصنوعی به عنوان ابزاری ایده‌آل برای «نشان‌گذاری» کوسه‌ها و سایر حیوانات در فیلم ویدئویی پخش‌شده از پهپادها و کمک به شناسایی گونه‌های نزدیک به ساحل به کار رفت.
نتایج اولیه سیستم‌های شناسایی کوسه با هوش مصنوعی قبلی نشان می‌دهد که مشکل حل شده است، زیرا این سیستم‌ها دقت تشخیص بیش از ۹۰ درصد را گزارش می‌کنند.
سیستم‌های هوش مصنوعی برای مکان‌یابی و شناسایی گونه‌ها با استفاده از مجموعه‌های بزرگی از تصاویر نمونه آموزش دیده‌اند و هنگام پردازش صحنه‌های آشنا در دنیای واقعی، عملکرد بسیار خوبی دارند.
اساساً، عملیات یادگیری ماشین به صراحت تشخیص می دهد که نرم افزار مبتنی بر هوش مصنوعی برای حفظ اثربخشی خود نیاز به به روز رسانی منظم دارد.
هدف ،غلبه بر این چالش‌ها با یک اپلیکیشن موبایل آشکارساز کوسه است. مجموعه‌ای عظیم از فیلم‌های پهپاد را جمع‌آوری شد، و کارشناسان کوسه هفته‌ها را صرف بازرسی ویدیوها کردند، کوسه‌ها و دیگر جانوران دریایی را در ساعاتی که فیلم‌برداری می‌شد به دقت ردیابی و برچسب‌گذاری کردند.
با استفاده از این مجموعه داده جدید، یک مدل یادگیری ماشینی را برای تشخیص ده نوع حیات دریایی، از جمله گونه‌های مختلف کوسه‌های خطرناک مانند کوسه‌های سفید بزرگ و کوسه‌های نهنگ آموزش داده شد.
و سپس ما این مدل در یک برنامه موبایل جدید جاسازی شدکه می‌تواند کوسه‌ها را در فیلم‌های زنده پهپاد برجسته کند و گونه‌ها را پیش‌بینی کند.
تشخیص اینکه آیا آن لکه تیره در آب یک کوسه است یا فقط جلبک دریایی، همیشه ساده نیست و در شرایط معقول، خلبانان هواپیماهای بدون سرنشین عموماً فقط در ۶۰٪ مواقع تشخیص درست را انجام می دهند. در حالی که این امر پیامدهایی برای ایمنی عمومی دارد، می‌تواند منجر به تعطیلی غیرضروری سواحل و هشدار عمومی شود.
مهندسان در تلاشند تا با هوش مصنوعی (AI) دقت این پهپادهای شناسایی کوسه را افزایش دهند. در حالی که سیستم‌های هوش مصنوعی در آزمایشگاه نویدهای زیادی را نشان می‌دهند، در دنیای واقعی به سختی می‌توان به سیستم‌های هوش مصنوعی دست یافت و مهمتر از همه، اعتماد بیش از حد به چنین نرم افزارهایی می تواند عواقب جدی داشته باشد.
دولت نیو ساوت ولز بیش از ۸۵ میلیون دلار استرالیا در اقدامات کاهش کوسه در چهار سال آینده سرمایه گذاری کرده است. از بین همه رویکردهای ارائه شده، یک نظرسنجی در سال ۲۰۲۰ نشان داد که نظارت بر کوسه مبتنی بر پهپاد روش ترجیحی مردم برای محافظت از مسافران ساحل است.
دولت ایالتی از سال ۲۰۱۶ پهپادها را به‌عنوان ابزار شناسایی کوسه‌ها آزمایش می‌کند. خلبانان آموزش دیده نجات غریق، پهپاد را بر فراز اقیانوس در ارتفاع ۶۰ متری پرواز می‌کنند و ویدیوی زنده را روی صفحه‌های قابل حمل تماشا می‌کنند.
شناسایی کوسه ها با تجزیه و تحلیل دقیق فیلم در شرایط خوب آسان به نظر می رسد. اما شفافیت آب، انعکاس سطح دریا، عمق حیوانات، تجربه خلبان و خستگی همگی قابلیت اطمینان تشخیص بلادرنگ را به میانگین پیش‌بینی‌شده ۶۰ درصد کاهش می‌دهند.
خلبانان همچنین باید با اطمینان گونه های کوسه را شناسایی کنند و تفاوت بین حیوانات خطرناک و غیرخطرناک مانند پرتوها را که اغلب به اشتباه شناسایی می شوند، تشخیص دهند.
بینایی رایانه‌ای مبتنی بر هوش مصنوعی به عنوان ابزاری ایده‌آل برای «نشان‌گذاری» کوسه‌ها و سایر حیوانات در فیلم ویدئویی پخش‌شده از پهپادها و کمک به شناسایی گونه‌های نزدیک به ساحل به کار رفت.
نتایج اولیه سیستم‌های شناسایی کوسه با هوش مصنوعی قبلی نشان می‌دهد که مشکل حل شده است، زیرا این سیستم‌ها دقت تشخیص بیش از ۹۰ درصد را گزارش می‌کنند.
سیستم‌های هوش مصنوعی برای مکان‌یابی و شناسایی گونه‌ها با استفاده از مجموعه‌های بزرگی از تصاویر نمونه آموزش دیده‌اند و هنگام پردازش صحنه‌های آشنا در دنیای واقعی، عملکرد بسیار خوبی دارند.
اساساً، عملیات یادگیری ماشین به صراحت تشخیص می دهد که نرم افزار مبتنی بر هوش مصنوعی برای حفظ اثربخشی خود نیاز به به روز رسانی منظم دارد.
هدف ،غلبه بر این چالش‌ها با یک اپلیکیشن موبایل آشکارساز کوسه است. مجموعه‌ای عظیم از فیلم‌های پهپاد را جمع‌آوری شد، و کارشناسان کوسه هفته‌ها را صرف بازرسی ویدیوها کردند، کوسه‌ها و دیگر جانوران دریایی را در ساعاتی که فیلم‌برداری می‌شد به دقت ردیابی و برچسب‌گذاری کردند.
با استفاده از این مجموعه داده جدید، یک مدل یادگیری ماشینی را برای تشخیص ده نوع حیات دریایی، از جمله گونه‌های مختلف کوسه‌های خطرناک مانند کوسه‌های سفید بزرگ و کوسه‌های نهنگ آموزش داده شد.
و سپس ما این مدل در یک برنامه موبایل جدید جاسازی شدکه می‌تواند کوسه‌ها را در فیلم‌های زنده پهپاد برجسته کند و گونه‌ها را پیش‌بینی کند.
کد خبر ۲۳۱۰۱۰۸۰۷.۵۶۴
