هوش مصنوعی با توانایی پردازش حجم عظیمی از داده‌ها و شناسایی الگوها، می‌تواند درک عوامل پیچیده و به هم‌پیوسته‌ای را که بر تنوع زیستی محلی و جهانی تأثیر می‌گذارند، تسهیل کند. به تازگی، IBM روش‌هایی را که هوش مصنوعی می‌تواند در حمایت از تنوع زیستی نقش داشته باشد و پروژه‌هایی که از فناوری آن پشتیبانی کرده‌اند را معرفی کرده است.

پردازش داده‌های ماهواره‌ای  

ماهواره‌های Sentinel-2 متعلق به آژانس فضایی اروپا، تصاویر سطح زمین، مناطق ساحلی و آب‌های داخلی را هر پنج روز یکبار ثبت می‌کنند و روزانه حدود ۳.۲ ترابایت داده جمع‌آوری می‌کنند. همچنین، پیش‌بینی‌های هواشناسی مرکز پیش‌بینی وضعیت میان‌مدت اروپا تا ۲۵۰ ترابایت داده روزانه نیاز دارند. آدام تامپسون، مدیر جهانی مالی پایدار و ESG در IBM Consulting، بیان می‌کند که هوش مصنوعی می‌تواند به کشورها کمک کند تا این حجم داده را پردازش و درک کنند. مدل‌های بنیادی کوچک‌تر IBM مانند مدل‌های Granite می‌توانند برای اهداف خاصی مانند نظارت بر زمین و مصرف انرژی به کار گرفته شوند که دقت مدل‌سازی را بهبود می‌بخشد.

ردیابی فیل‌های جنگلی آفریقا  

صندوق جهانی طبیعت (WWF) آلمان از ابزارهای بازرسی بصری مکسیمو (MVI) IBM برای ردیابی حرکات فیل‌های جنگلی آفریقا در حوضه کنگو استفاده کرده است. این فیل‌ها نقش حیاتی در اکوسیستم دارند؛ زیرا با حذف پوشش‌های گیاهی کم‌اهمیت‌تر، به گیاهان مقاوم‌تر اجازه رشد می‌دهند. این پروژه به شناسایی فردی فیل‌ها از طریق شکل سر و عاج‌هایشان کمک کرد.

پایش صخره‌های مرجانی  

همچنین از فناوری مشابه برای نظارت بر سلامت صخره‌های مرجانی استفاده می‌شود. تغییرات آب و هوایی موجب افزایش دمای دریا و در نهایت سفیدشدگی مرجان‌ها می‌شود که تأثیرات منفی گسترده‌ای بر حیات دریایی دارد. IBM با شرکت Reef، که صخره‌های مصنوعی برای بازسازی صخره‌های از دست رفته می‌سازد، همکاری کرده و از پلتفرم داده بلوباکس برای جمع‌آوری داده‌های دما، شوری، pH و سایر پارامترهای اقیانوسی بهره برده است. این داده‌ها به دانشمندان کمک می‌کند تا تغییرات اکوسیستم دریایی را شناسایی و ارزیابی کنند.

منبع خبر: AI Business