اگر شما 180 هزار ساعت صدا و تصویر ضبط شده از زیر اقیانوس آرام داشته باشید و بخواهید بدانید که در میان این همه صدای ضبط شده، کجا و کی صدای آواز خوانی نهنگهای گوژپشت به گوش میرسد، آیا به سراغ گوگل میروید؟ این کاری است که ان الن (Ann Allen) محقق بومشناسی مرکز ملی اقیانوسها و جو ایالات متحده انجام داده است.
نهنگهای گوژپشت وقت و انرژی بسیار زیادی را صرف ایجاد آواز و نوا میکنند. نهنگهای گوژپشت نر آواز ویژه و پیچیدهای میخوانند که ۱۰ تا ۲۰ دقیقه به طول میکشد و گاه تا ساعتها تکرار میشود. انگیزه این آوازخوانی هنوز آشکار نیست ولی گمان میرود با آداب جفتگیری در پیوند باشد.
این جانور همچون دلفین و خفاش پژواک سازی میکند و بدست آوردن تصویری از محیط با تجزیه و تحلیل امواج صوتی حاصل از پژواک امکانپذیر است.
در ژانویه سال 2018، الن به سراغ گوگل رفت و از آنها خواست که به او در شناسایی و یافتن آواز نهنگ گوژپشت در میان تمامی اصوات اقیانوس، مانند آواز دلفینها یا موتور کشتیها، به او کمک کنند. مهندسان گوگل نیز با استفاده از 10 ساعت داده موجود که در آن صدای آواز نهنگها و سایر اصوات مشخص شده بود، یک شبکه عصبی را مبتنی بر مدلی برای بازشناسی صداها در ویدیوهای یوتیوب برای تشخیص آواز نهنگها آموزش دادند.
9 ماه پس از آن، دکتر الن مدلی برای شناسایی آواز نهنگ گوژپشت داشت که از آن در تحقیقات خود برای تشخیص حضور این نهنگ ها در جزایر اقیانوس آرام و تغییرات این وضعیت در دهه گذشته استفاده کرد. گوگل نیز از الگوریتمهای مشابهی برای کمک به سازمان شیلات و اقیانوسهای کانادا، در نظارت بر جمعیت نهنگهای قاتل جنوبی استفاده کرد. نهنگهای قاتل جنوبی، گونهای در معرض نابودی است که تنها 70 قطعه از آن باقی مانده است.
سودمندی کاربردهای یادگیری ماشین و هوش مصنوعی به ویژه برای اقیانوسها که در آنها دادههای بسیار در وسعت و اعماق زیاد وجود دارد اثبات شده است؛ زیرا جمع آوری این دادهها بسیار هزینهبر و در بسیاری از موارد غیر ضروری است.
از سوی دیگر تغییرات آب و هوایی و گرمایش زمین نیز یادگیری ماشین را بیش از پیش ارزشمند کرده است. دادههای بسیاری در دسترس دانشمندان و محققان قرار دارد که دقت کافی را ندارند؛ زیرا متغیرها مرتب تغییر میکند؛ از جمله اینکه حیوانات تغییر مکان میدهند و دما بالا و پایین میرود. در شرایطی که حیوانات جابهجا میشوند، مدیریت جمعیت آنها دشوار و البته ضروری است.
هونهنگان آتلانتیک شمالی نیز از جمله موجودات آبزی در خطر انقراض هستند که جمعیت آنها به حدود 400 قطعه رسیده است. برای نظارت بر این گونه نیز فناوری میتواند کمک کننده باشد. این نهنگها، احتمالا به دلیل گرمایش زمین، از محل زندگی اصلیشان که خلیج ماین بوده به خلیج سن لارنس در کانادا مهاجرت کردهاند. این تغییرمکان موجب شده که از سال 2017 میلادی به اینسو، 70 قطعه از هونهنگان جان خود را از دست بدهند (21 نهنگ در کانادا و 9 نهنگ در آمریکا) و عمده این فاجعه نیز به دلیل برخورد آنها با کشتی یا گیر افتادن در تورهای ماهیگیری بوده است.
محققان برای محافظت از این نهنگها، باید بدانند که این حیوانات در هر لحظه در کجا هستند. این هدفی است که آزمایشگاه چارلز استارک دریپر و آکواریوم نیوانگلند در پروژهای با نام «شمارش نهنگها از فضا» دنبال میکنند. در این پروژه، با دریافت دادهها از ماهواره، رادار، سونار، مشاهدههای انسانی و از این قبیل، یک الگوریتم یادگیری ماشین آموزش داده میشود تا مدل احتمال حضور نهنگها در مناطق مختلف را بسازد. با وجود چنین اطلاعاتی، مقامات دولتی و محلی میتوانند درباره مسیرهای کشتیرانی، سرعت کشتیها و اعطای مجوز ماهیگیری دقیقتر عمل کنند و به این ترتیب محافظت از نهنگها نیز کارآمدتر خواهد بود.
از سوی دیگر، جمعیت ماهیها نیز به دلیل صید بیش از اندازه و در بسیاری موارد، سید غیرقانونی، رو به کاهش است و ماهیها نیز تغییر مکان میدهند.
گوگل در تلاش برای مقابله با صید غیرقانونی و حفظ جمعیت ماهیان اقیانوسها، به کمک سازمان جهانی Fishing Watch رفته است.
کاربرد دیگر فناوری در محافظت از اقیانوسها از مواد شیمیایی و زبالههاست. آزمایشگاه دریپر با استفاده از حسگرهایی که برای کنترل کیفیت هوا در ایستگاه بین المللی فضایی به کار رفته است، دادههای مرتبط با میکروپلاستیکهای یافته شده در اقیانوس را به نهادهای محافظت از زیست بوم ارایه میدهد. از این اطلاعات برای تولید نقشهای از موادشیمیایی و سپس آموزش الگوریتمها برای شناسایی مواد پلاستیکی در اقیانوس استفاده میشود. البته این پروژه فعلا در فاز آزمایشی است، اما آزمایشگاه دریپر نخستین نسل از حسگرهای خود را شمال اقیانوس آرام، که محل زبالهدان بزرگ اقیانوس آرام است، نصب کرده است.
زبالهدان بزرگ اقیانوس آرام که با نام چرخاب زبالهٔ اقیانوس آرام نیز شناخته میشود، محل تجمع زبالههای دریایی در چرخاب شمالی اقیانوس آرام است. این زبالهها در گسترهٔ وسیعی پراکنده شدهاند و مرز این زبالهدانی به نسبت میزان تراکم زبالههای مورد نظر قابل تغییر است.
این زبالهدان را به خاطر مقادیر بسیار بالای پلاستیک لجه ای و فاضلابهای شیمیایی میشناسند که در چرخاب بزرگ اقیانوس آرام شمالی گیر افتادهاند. با وجود گستردگی و تراکم بالای آن (حداقل چهار زباله در هر متر مکعب)، در تصاویر ماهوارهای قابل تشخیص نیست و کشتیهای گذری و غواصان نیز ممکن است آنرا نیابند چون زبالههای آن در حالت معلق در ستونهای بالایی آب قرار دارند.
استفاده از فناوری در اقیانوسها البته به اینها محدود نمیشود، ردیابی کرمینگان غول پیکر که به دلیل افزایش دیاکسید کربن و اسیدی شدن بیش از حد محیط، مجبور به مهاجرت به عمق اقیانوس شده نیز از جمله موارد دیگر است.