أطلقت Google نموذج SpeciesNet — وهو نموذج AI مفتوح المصدر لحماية الحياة البرية

كل يوم، تلتقط آلاف الكاميرات المصيدة الموضوعة في الغابات والسافانا والمناطق الجبلية في جميع أنحاء العالم ملايين الصور. في معظمها — فراغ أو عشب متموج أو ظل عشوائي. لكن مختبأة في هذا التدفق من البيانات توجد الصور التي يمكن أن تحدد مصير الأنواع بأكملها: نمر ثلجي نادر على ممر جبلي، آخر أفراد وحيد قرن سومطرة، تجمع غير معروف سابقاً من فيل الغابة. المشكلة هي أن علماء البيئة ببساطة ليس لديهم أيد كافية لمراجعة كل هذا يدويًا. هذه بالضبط المهمة التي تتولاها SpeciesNet — نموذج ذكاء اصطناعي من Google أطلقت الشركة الوصول إليه بشكل مفتوح.

SpeciesNet هي نظام رؤية حاسوبية تم تدريبه على التعرف على أنواع الحيوانات في الصور من كاميرات المصيدة. يبدو الأمر بسيطاً، لكن خلف هذه الصيغة يقف عمل هندسي ضخم. تلتقط كاميرات المصيدة الصور في النطاق تحت الأحمر، مع إضاءة سيئة، بزوايا عشوائية. قد تكون الحيوانات مختبأة جزئياً بالنباتات، أو في حركة، أو حتى على حافة الإطار. تتعامل الخوارزميات الكلاسيكية لتصنيف الصور بشكل سيء مع هذه الظروف. وفقاً لـ Google، تم تدريب SpeciesNet على مجموعة ضخمة من الصور المصنفة من الأنظمة البيئية المختلفة حول العالم، مما يسمح لها بالعمل ليس فقط في ظروف مختبر مثالية بل في بيئات ميدانية حقيقية — من الغابات المطيرة في بورنيو إلى تندرا ألاسكا.

من المهم فهم السياق الذي ظهر فيه هذا النموذج. لقد توقفت أزمة التنوع البيولوجي منذ وقت طويل عن أن تكون تهديداً مجرداً. وفقاً للمنصة الحكومية الدولية للعلوم والسياسات المعنية بالتنوع البيولوجي وخدمات النظم الإيكولوجية (IPBES)، حوالي مليون نوع من الحيوانات والنباتات مهددة بالانقراض. المراقبة السكانية هي الخطوة الأولى والضرورية نحو حمايتها، لكنها تتطلب موارد لا تملكها معظم منظمات الحفاظ على الطبيعة. مشروع بحثي واحد يمكن أن يولد عشرات الملايين من الصور سنوياً. يستغرق الفرز اليدوي لهذا الحجم أشهراً من العمل من قبل فرق كاملة من المتطوعين. تقوم نماذج الذكاء الاصطناعي مثل SpeciesNet بضغط هذه العملية إلى ساعات، مما يحرر وقت العلماء للتحليل واتخاذ القرارات.

قرار Google بجعل النموذج مفتوحاً ليس مجرد إشارة حسن نية بل خطوة مهمة من الناحية الاستراتيجية. الأنظمة البيئية في القارات المختلفة مختلفة بشكل جذري عن بعضها البعض، والنموذج العام سيرتكب حتماً أخطاء في مناطق معينة. يسمح الكود المفتوح لمجموعات البحث المحلية بتحسين SpeciesNet على بياناتها الخاصة — على سبيل المثال، تكييفها للتعرف على الأنواع المستوطنة في مدغشقر أو الحيوانات المفترسة النادرة في آسيا الوسطى. هذا مختلف بشكل أساسي عن نهج تعتمد فيه المنظمات على واجهة برمجية تجارية مغلقة قد يتم تقييدها أو إيقافها في أي وقت. بالنسبة لمحطات العمل الميداني في المناطق النائية حيث الاتصال بالإنترنت غير مستقر أو غير موجود، تصبح القدرة على تشغيل النموذج محلياً ليست ميزة بل ضرورة.

SpeciesNet بعيدة كل البعد عن كونها أول محاولة لتطبيق التعلم الآلي على المهام الإيكولوجية. يوفر مشروع Wildlife Insights، الذي يحظى أيضاً بدعم Google، منصة سحابية لتحليل بيانات كاميرات المصيدة منذ عدة سنوات. يمول Microsoft من خلال AI for Earth عشرات المشاريع على تقاطع الذكاء الاصطناعي وحفظ الطبيعة. تستخدم شركة Conservation Metrics الناشئة التحليل الصوتي لمراقبة الطيور والثدييات البحرية. لكن الانفتاح الدقيق لـ SpeciesNet قد يصبح هو العامل الحفاز الذي يوحد الجهود المتفرقة. عندما يمتلك المجتمع نموذجاً أساسياً مشتركاً، يصبح تبادل البيانات ومقارنة النتائج وبناء عليها أسهل — من أنظمة الإنذار المبكر للصيد غير المشروع إلى رسم خرائط تلقائي لمسارات الهجرة.

ومع ذلك، هناك أسئلة لا تزال بدون إجابات واضحة. ما دقة عمل النموذج مع الأنواع التي تكون ممثلة بشكل ضعيف في عينة التدريب؟ كيف يتعامل مع صور ليلية بدقة منخفضة، والتي تشكل جزءاً كبيراً من بيانات كاميرات المصيدة؟ ألا يخلق الاعتماد على تصنيف الذكاء الاصطناعي شعوراً خاطئاً باكتمال البيانات، عندما يتم تفويت الأنواع النادرة بشكل منهجي بواسطة الخوارزمية؟ لا تقلل هذه الأسئلة من قيمة المشروع بل تذكرنا بأن التكنولوجيا أداة وليست بديلاً عن الخبرة.

من وجهة نظر أوسع، تعتبر SpeciesNet مثالاً على كيفية قيام شركات التكنولوجيا الكبرى بإنشاء قيمة عامة حقيقية من خلال مشاريع الذكاء الاصطناعي المفتوحة. لا يجب أن تنحصر كل تطبيقات الذكاء الاصطناعي في تحسين مقاييس الإعلانات أو إنشاء محتوى. في بعض الأحيان، تعني شبكة عصبية يمكنها التمييز بين نمر غائم وقطة بنغالية في صورة ليلية حبيبية للعالم أكثر من الحد التالي من روبوتات الدردشة. وحقيقة أن Google قررت عدم جني الأرباح من هذا النموذج بل تسليمه للمجتمع العلمي يستحق الانتباه — بغض النظر عن الدوافع الشركاتية التي قد تكون وراء هذا القرار.