أعلنت جامعة الملك عبدالله للعلوم والتقنية (كاوست) وشركة سارسات إكس (SARsatX) عن تطوير نهج يعتمد على بيانات مولّدة بالحاسب الآلي لتدريب نماذج التعلم العميق على التنبؤ بتسرب النفط. يهدف النهج إلى توفير بيانات تدريبية قابلة للتوسع باستخدام محاكاة رقمية لتسربات النفط وتغيرات البيئة البحرية. يعتمد على توليد عينات صناعية من البيانات من مجموعة صغيرة من البيانات الحقيقية بهدف تحسين قدرة النماذج على التعميم والتنبؤ في ظروف مختلفة. يعد هذا النهج خطوة مهمة لتعزيز دقة الرصد والاستجابة السريعة في حالات الطوارئ البيئية في المناطق البحرية.
أهمية صحة البيانات الاصطناعية
تشير الأطر البحثية إلى أن تحقق صحة البيانات الاصطناعية أمر بالغ الأهمية لمراقبة الكوارث البيئية وتخفيف الأضرار. وذلك لأن الرصد المبكر والاستجابة السريعة يعززان قدرة الجهات المعنية على تقليل التأثيرات البيئية. وأوضح ماثيو مكابي، عميد قسم العلوم والهندسة البيولوجية والبيئية في كاوست، أن نقص البيانات التدريبية عالية الجودة أحد أبرز التحديات في تطبيقات الذكاء الاصطناعي البيئي. ويقترح الحل باستخدام التعلم العميق لإنشاء بيانات اصطناعية من عيّنة صغيرة من البيانات الحقيقية وتدريب نماذج الذكاء الاصطناعي عليها وتقييم صحتها قبل الاعتماد.
يمكن أن يعزز هذا النهج جهود حماية البيئة البحرية من خلال تمكين مراقبة أسرع وأكثر موثوقية للتسربات النفطية. كما يساعد على تقليل التحديات اللوجستية والبيئية المرتبطة بجمع البيانات اللازمة للرصد. وتسهم البيانات الاصطناعية في توسيع نطاق الرصد وتغطية مناطق أكثر عرضة للمخاطر مع الحفاظ على السلامة البيئية. ويتطلب ذلك التحقق المستمر من صحة البيانات الاصطناعية وتقييمها قبل استخدامها في تطبيقات حية.
