Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
دوره
کارگاه
وبینار
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
وبینارها، کارگاره‌ها و دوره‌ها
 دانشمندان از فناوری تشخیص چهره برای پژوهش روی فوک‌ها استفاده می‌کنند

دانشمندان از فناوری تشخیص چهره برای پژوهش روی فوک‌ها استفاده می‌کنند

تیمی در دانشگاه کولگِیت یک شبکه هوشمند برای فوک‌ها توسعه داده‌ است؛ آن‌ها در حقیقت یک پایگاه ‌داده با کمک فناوری تشخیص چهره به‌وجود آورده‌اند، که با گرفتن عکس از چهره فوک‌های بندری در ایالت مِین، در آمریکا ایجادشده است.

فوک

دانشمندان بر این باورند که کاربرد جدیدی برای فناوری تشخیص چهره پیدا کرده‌اند؛ آن‌ها با این فناوری در تلاش‌اند تا حیوانات بزرگ اقیانوسی، مخصوصاً فوک‌ها را نجات دهند. پژوهشگران دانشگاه کولگیت در ایالت مِین آمریکا، شبکه هوشمندی به نام SealNet توسعه داده‌اند. این شبکه هوشمند پایگاه داده‌ای از چهره فوک‌ها درست می‌کند که داده‌های آن با عکس گرفتن از فوک‌های بندری در خلیج کاسکو در مِین به ‌دست ‌آمده‌اند.

تیم پژوهشی فهمیدند که دقت این ابزار در شناسایی پستانداران نزدیک به صددرصد است. در این رابطه کریستا اینگرام، استاد زیست‌شناسی در کولگیت و یکی از اعضای تیم می‌گوید: «پژوهشگران در حال کار بر روی افزایش اندازه پایگاه داده خود هستند، تا آن را در اختیار دانشمندان دیگر قرار دهند، چراکه افزایش پایگاه داده برای گنجاندن گونه‌های کمیابی مانند فوک راهب مدیترانه‌ای و فوک راهب هاوایی می‌تواند به تلاش‌ها برای نجات این گونه‌ها کمک کند.»

به گفته این دانشمند، ایجاد فهرستی از چهره فوک‌ها و استفاده از یادگیری ماشینی برای شناسایی آن‌ها، می‌تواند به دانشمندان کمک کند، تا دریابند که این فوک‌ها به کجای اقیانوس سفر می‌کنند و الگوی حرکتی آن‌ها در اقیانوس‌ها چیست.

او گفت: «برای پستانداران دریایی که حرکت زیادی در آب دارند و این عکاسی از آن‌ها را سخت می‌کند، باید راهی برای شناسایی آن‌ها پیدا می‌کردیم.»

شبکه هوشمند SealNet برای شناسایی چهره در یک تصویر طراحی ‌شده است و چهره فوک‌ها را بر اساس اطلاعات مربوط به شکل چشم و بینی، مانند یک انسان تشخیص می‌دهد.

به گفته پژوهشگران کولگیت، قبلاً ابزار مشابهی به نام PrimNet، برای تشخیص چهره پستانداران و فوک‌ها استفاده می‌شده است؛ اما SealNet عملکرد بهتری دارد و همین ویژگی باعث پیشرفت پژوهش‌ها شده است.

فوک ها

پژوهشگران کولگیت یافته‌های خود را بهار گذشته در نشریه علمی و معتبرِ «بوم‌شناسی و تکامل» منتشر کردند. در این مقاله آمده است که آن‌ها بیش از 1700 تصویر را از بیش از 400 فوک به‌صورت جداگانه پردازش کرده‌اند و همچنین در این مقاله بیان‌ شده که نرم‌افزار SealNet می‌تواند ابزار ارزشمندی در زمینه توسعه «فناوری حفاظت از محیط‌زیست» با هدف نجات و حفاظت از حیوانات وحشی باشد.

فوک‌های بندری یک داستان موفقیت‌آمیز در حفاظت از محیط‌زیستِ ایالات‌متحده است؛ بیش از 100 سال پیش، این حیوانات زمانی به‌طور گسترده کشته شدند و تنها چند عدد از آن‌ها بیشتر باقی نماند، اما قانون حفاظت از پستانداران دریایی، که در اکتبر امسال 50 ساله شد، حمایت‌های جدی و مهمی به آن‌ها داد، تا جمعیت این گونه دریایی شروع به بازگشت کرد.

فوک‌ها و سایر پستانداران اقیانوس مدت‌هاست که با استفاده از فناوری‌های ماهواره‌ای مورد مطالعه قرار می‌گیرند.

به گفته جیسون هولمبرگ از شرکت «وایلد می»، استفاده از هوش مصنوعی برای مطالعه این گونه‌ها، راهی است تا فناوری‌های قرن بیست‌ویک را به حفاظت از محیط‌زیست وارد کنیم.

شرکت «وایلد می» که در اورگان مستقر شده، تلاش می‌کند تا فناوری‌های یادگیری ماشینی را به زیست‌شناسان برساند. این شرکت، در حال ‌توسعه و همکاری با شبکه هوشمند SealNet است تا آن را گسترش و پیشرفت دهد.

فوک‌های بندری اکنون در آب‌های سواحل شمال شرقی ایالات‌متحده رایج هستند، بااین‌حال گونه‌های دیگر فوک‌ها همچنان در معرض خطر هستند. گمان می‌رود که گونه‌هایی مانند «فوک راهب مدیترانه‌ای» و «فوک خزری» در معرض خطرترین گونه از فوک‌های جهان و در حال انقراض باشند و اکنون تنها چند صد تن از آن‌ها باقی‌مانده است.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.