طورت جامعة الملك عبدالله للعلوم والتقنية (كاوست) وشركة سارسات إكس (SARsatX) -المتخصصة في تقنيات رصد الأرض- بيانات مولدة بالحاسب الآلي لتدريب نماذج التعلم العميق على التنبؤ بتسرب النفط.
لماذا يعتبر التحقق من صحة البيانات الاصطناعية أمرًا مهمًا؟
ويعد التحقق من صحة استخدام البيانات الاصطناعية (الافتراضية) أمرًا بالغ الأهمية لمراقبة الكوارث البيئية، حيث يؤدي الرصد المبكر والاستجابة السريعة إلى تقليل أخطار الأضرار البيئية بشكل كبير.
وأوضح عميد قسم العلوم والهندسة البيولوجية والبيئية في كاوست ماثيو مكابي، أن أحد أكبر التحديات في التطبيقات البيئية للذكاء الاصطناعي هو نقص البيانات التدريبية عالية الجودة، مشيرًا إلى أن الحل لهذه المعضلة هو استخدام التعلم العميق لإنشاء بيانات اصطناعية (افتراضية) من عيّنة صغيرة جدًا من البيانات الحقيقية، وتدريب نماذج الذكاء الاصطناعى التنبؤية على ذلك.
ويمكن أن يعزز هذا النهج بشكل كبير جهود حماية البيئة البحرية من خلال تمكين مراقبة أسرع وأكثر موثوقية للتسربات النفطية مع تقليل التحديات اللوجستية والبيئية المرتبطة بجمع البيانات.
- أمريكا تمنع الجهات الحكومية من استخدام «ديب سيك».. ما الأسباب؟
- نماذج ذكاء اصطناعي مجهولة المصدر تثير مخاوف بشأن أمن البيانات والرقابة
- لجنة البيئة بحزب الوعي ترحب بمنظومة رصد الكربون الأسود والميثان
- دراسة: التكاليف البيئية للذكاء الاصطناعى تهدد المياه والأراضى والمناخ
- إطلاق معرض جوجل للذكاء الاصطناعى بأجهزة ماك يتيح تشغيل نماذج Gemini
