المجموعات

يساعد التعلم الآلي العلماء المواطنين

يساعد التعلم الآلي العلماء المواطنين

يمكن أن يساعد التعلم الآلي في إكمال مهام البحث التي تُعطى عادةً للعلماء المواطنين. تُظهر دراسة جديدة كيف يمكن استخدام تعليم مهارات التعرف على الصور الخاصة بجهاز الكمبيوتر في المشاريع التي تتطلب تصنيف كميات كبيرة من بيانات الصورة.

راجع أيضًا: تستخدم رحلات Google للطيران تعلم الآلة للتنبؤ بتأخيرات الرحلات قبل الخطوط الجوية

لسنوات ، استفاد العلماء من المتطوعين الذين يساعدونهم في فرز مجموعات البيانات الضخمة التي تكون كبيرة جدًا بالنسبة لفرق البحث الصغيرة. في السابق كان هذا العمل يحتاج إلى أن يقوم به البشر لأن التكنولوجيا الخاصة بآلة للقيام بذلك لم تكن موجودة.

تعاون الباحثون مع علماء البيئة

لكن هذا كله على وشك التغيير. لاختبار فكرة التعلم الآلي ، اشترك الباحثون مع علماء البيئة الذين يدرسون الحياة البرية باستخدام مصائد الكاميرات. هذه "المصائد" عبارة عن كاميرات خفية يتم تشغيلها بواسطة مستشعرات الحركة والأشعة تحت الحمراء التي توفر صورًا لعلماء البيئة لاستخدامها في أبحاثهم الخاصة.

ومع ذلك ، يجب مراجعة جميع الصور الناتجة وتصنيفها حتى تتمكن من توفير بيانات مفيدة للتحليل. غالبًا ما يتم إعطاء هذه المهمة للمتطوعين المدربين الذين يمكنهم إكمال المهمة في الإطار الزمني المطلوب. لكن البحث الجديد يستبدل المتطوعين بأجهزة الكمبيوتر.

سيكون العلماء المواطنون دائمًا ذا قيمة

قال المؤلف الرئيسي للدراسة ماركو ويلي ، وهو خريج حديث من برنامج الماجستير في علوم البيانات بجامعة مينيسوتا وباحث في جامعة مينيسوتا: "في الماضي ، طلب الباحثون من العلماء المواطنين مساعدتهم في معالجة الصور وتصنيفها ضمن إطار زمني معقول". كلية الفيزياء وعلم الفلك بالجامعة.

"الآن ، جمعت بعض مشاريع فخ الكاميرات الحديثة ملايين الصور. حتى بمساعدة العلماء المواطنين ، قد يستغرق الأمر سنوات لتصنيف جميع الصور. هذه الدراسة الجديدة هي دليل على مفهوم أن تقنيات التعلم الآلي يمكن أن تساعد بشكل كبير تقليل وقت التصنيف ".

لاختبار نظريتهم القائلة بأن تقنيات التعلم الآلي يمكن أن تكون ذات قيمة في هذه الحالات ، جمع العلماء ثلاث مجموعات بيانات من الصور من إفريقيا - Snapshot Serengeti ، وكتالوج الكاميرا ، و Elephant Expedition - ومجموعة بيانات واحدة من Snapshot Wisconsin مع الصور التي تم جمعها في أمريكا الشمالية.

يبدأ الكمبيوتر في التعلم مع الخطوط العريضة والألوان

احتوت كل مجموعة بيانات على ما بين تسعة وخمسة وخمسين نوعًا. اختلفت مجموعات البيانات أيضًا في كيفية تصوير كل نوع ، ووضع الكاميرا ، وتكوين الكاميرا ، وتغطية الأنواع. ثم تم تعليم الكمبيوتر كيفية تصنيف الصور من خلال عرض الصور من مجموعة بيانات مصنفة بالفعل من قبل البشر. على سبيل المثال ، سيتم عرض صور كاملة وجزئية لخنزير على الآلة. سيبدأ الكمبيوتر بعد ذلك في التعرف على حواف وألوان الخنازير في الصور قبل أن يتمكن من تصنيفها بشكل صحيح.

تعلم الكمبيوتر أيضًا متى يتعرف على الصور بدون وجود حيوانات ، وهو ما يحدث عندما تقوم الرياح بتشغيل الكاميرا. إن القدرة على إزالة هذه الصور "الفارغة" بسرعة يمكن أن تسرع بشكل كبير جهود التصنيف الشاملة.

تسارعت مشاريع التصنيف بشكل كبير

قال ويلي: "تتيح تقنيات التعلم الآلي لدينا للباحثين في علم البيئة تسريع عملية تصنيف الصور وتمهيد الطريق لمشاريع علمية أكبر للمواطنين في المستقبل". "بدلاً من تصنيف كل صورة بواسطة عدة متطوعين ، يمكن لمتطوع واحد أو اثنين تأكيد تصنيف الكمبيوتر."

في حين أن هذا الاختبار لقدرة تقنيات التعلم الآلي في تصنيف الصور قد ركز على صور الحيوانات من مصائد الكاميرات ، يقول الباحثون إنه يمكن تطبيق نفس الأفكار على مجالات علمية أخرى تتعامل مع علماء المواطنين مثل الفضاء وعلم الأحياء.

قالت المؤلفة المشاركة في الدراسة لوسي فورتسون ، أستاذة الفيزياء وعلم الفلك بجامعة مينيسوتا ، والمؤسس المشارك لـ Zooniverse ، أكبر علم للمواطنين: "البيانات في مجموعة واسعة من المجالات العلمية تنمو بشكل أسرع بكثير من عدد المتطوعين في مشروع العلوم من المواطنين". منصة على الإنترنت استضافت المشاريع في الدراسة.

"بينما ستكون هناك دائمًا حاجة إلى جهد بشري في هذه المشاريع ، فإن الجمع بين هذه الجهود بمساعدة تقنيات البيانات الضخمة يمكن أن يساعد الباحثين على معالجة المزيد من البيانات بشكل أسرع ويسمح للمتطوعين بالتركيز على التصنيفات الأكثر صعوبة وندرة."


شاهد الفيديو: وظائف ماراح نحتاجه في المستقبل 2030 (يونيو 2021).