O unrhyw degell drydan sydd wedi'i gysylltu â'r Rhyngrwyd, gallwch glywed am sut mae AI yn curo athletwyr seiber, yn rhoi cyfleoedd newydd i hen dechnolegau, ac yn tynnu cathod yn seiliedig ar eich braslun. Ond maen nhw'n siarad yn llai aml am y ffaith bod cudd-wybodaeth peiriant hefyd yn llwyddo i ofalu am yr amgylchedd. Penderfynodd Cloud4Y gywiro'r hepgoriad hwn.
Gadewch i ni siarad am y prosiectau mwyaf diddorol sy'n cael eu gweithredu yn Affrica.
Mae DeepMind yn olrhain buchesi Serengeti
Am y 10 mlynedd diwethaf, mae biolegwyr, ecolegwyr a chadwraethwyr gwirfoddol yn rhaglen Ymchwil Llew Serengeti wedi bod yn casglu ac yn dadansoddi data o gannoedd o gamerâu maes sydd wedi'u lleoli ym Mharc Cenedlaethol Serengeti (Tanzania). Mae hyn yn angenrheidiol i astudio ymddygiad rhai rhywogaethau o anifeiliaid y mae eu bodolaeth dan fygythiad. Treuliodd gwirfoddolwyr flwyddyn gyfan yn prosesu'r wybodaeth, gan astudio demograffeg, symudiadau ac arwyddion eraill o weithgarwch anifeiliaid. Mae AI DeepMind eisoes yn gwneud y swydd hon mewn 9 mis.
Mae DeepMind yn gwmni Prydeinig sy'n datblygu technolegau deallusrwydd artiffisial. Yn 2014, fe'i prynwyd gan yr Wyddor. Defnyddio'r set ddata i hyfforddi model deallusrwydd artiffisial, cafodd y tîm ymchwil ganlyniadau rhagorol: yn gallu canfod, adnabod a chyfrif anifeiliaid Affricanaidd yn awtomatig mewn delweddau, gan wneud ei waith 3 mis yn gyflymach. Mae gweithwyr DeepMind yn esbonio pam mae hyn yn bwysig:
“Mae'r Serengeti yn un o'r lleoedd olaf ar ôl yn y byd gyda chymuned gyfan o famaliaid mawr... Wrth i ymlediad dynol o amgylch y parc ddod yn fwy dwys, mae'r rhywogaethau hyn yn cael eu gorfodi i newid eu hymddygiad er mwyn goroesi. Mae amaethyddiaeth gynyddol, potsio ac anomaleddau hinsoddol yn ysgogi newidiadau mewn ymddygiad anifeiliaid a dynameg poblogaeth, ond mae’r newidiadau hyn wedi digwydd ar raddfeydd gofodol ac amser sy’n anodd eu monitro gan ddefnyddio dulliau ymchwil traddodiadol.”
Pam mae deallusrwydd artiffisial yn gweithio'n fwy effeithlon na deallusrwydd biolegol? Mae sawl rheswm am hyn.
- Mwy o luniau wedi'u cynnwys. Ers eu gosod, mae'r camerâu maes wedi dal cannoedd o filiwn o ddelweddau. Nid yw pob un ohonynt yn hawdd i'w hadnabod, felly mae'n rhaid i wirfoddolwyr adnabod y rhywogaeth â llaw gan ddefnyddio teclyn gwe o'r enw Zooniverse. Ar hyn o bryd mae 50 o rywogaethau gwahanol yn y gronfa ddata, ond treulir gormod o amser yn prosesu’r data. O ganlyniad, ni ddefnyddir pob ffotograff yn y gwaith.
- Adnabod rhywogaethau yn gyflym. Mae'r cwmni'n honni bod ei system sydd wedi'i hyfforddi ymlaen llaw, a fydd yn cael ei defnyddio yn y maes cyn bo hir, yn gallu perfformio ar yr un lefel â (neu hyd yn oed yn well) anodyddion dynol wrth gofio ac adnabod mwy na chant o rywogaethau anifeiliaid a geir mewn rhanbarth.
- Offer rhad. Mae AI DeepMind yn gallu rhedeg yn effeithlon ar galedwedd cymedrol gyda mynediad Rhyngrwyd annibynadwy, sy'n arbennig o wir ar gyfandir Affrica, lle gall cyfrifiaduron pwerus a mynediad cyflym i'r Rhyngrwyd fod yn ddinistriol i fywyd gwyllt ac yn rhy ddrud i'w defnyddio. Mae bioddiogelwch ac arbedion cost yn fanteision pwysig AI i weithredwyr amgylcheddol.
Disgwylir i system dysgu peirianyddol DeepMind nid yn unig allu olrhain ymddygiad a dosbarthiad y boblogaeth yn fanwl, ond hefyd ddarparu data yn ddigon cyflym i ganiatáu i gadwraethwyr ymateb yn brydlon i newidiadau tymor byr yn ymddygiad anifeiliaid Serengeti.
Mae Microsoft yn olrhain yr eliffantod
A bod yn deg, nodwn nad DeepMind yw’r unig gwmni sy’n ymwneud ag achub poblogaethau bregus o anifeiliaid gwyllt. Felly, ymddangosodd Microsoft yn Santa Cruz gyda'i gychwyn , sy'n defnyddio AI i olrhain eliffantod safana Affricanaidd.
Mae'r cwmni cychwynnol, sy'n rhan o'r Prosiect Gwrando Eliffantod, gyda chymorth labordy ym Mhrifysgol Cornell, wedi datblygu system sy'n gallu casglu a dadansoddi data o synwyryddion acwstig sydd wedi'u gwasgaru ledled Parc Cenedlaethol Nouabale-Ndoki a'r ardaloedd coedwigoedd cyfagos yng Ngweriniaeth y Congo. Mae deallusrwydd artiffisial yn adnabod llais eliffantod yn y recordiadau - y synau sïo amledd isel y maent yn eu defnyddio i gyfathrebu â'i gilydd, ac yn derbyn gwybodaeth am faint y fuches a chyfeiriad ei symudiad. Yn ôl Prif Swyddog Gweithredol Metrics Cadwraeth Matthew McKone, gall deallusrwydd artiffisial adnabod anifeiliaid unigol na ellir eu gweld o'r awyr yn gywir.
Yn ddiddorol, arweiniodd y prosiect hwn at ddatblygu algorithm dysgu peirianyddol wedi'i hyfforddi ar Snapshot Serengeti sy'n gallu nodi, disgrifio a chyfrif gyda chywirdeb o 96,6%.
Mae TrailGuard Resolve yn rhybuddio am botswyr
Mae camera smart sy'n cael ei bweru gan Intel yn defnyddio AI i amddiffyn bywyd gwyllt Affrica sydd mewn perygl rhag potswyr. Hynodrwydd y system hon yw ei bod yn rhybuddio am ymdrechion i ladd anifeiliaid yn anghyfreithlon ymlaen llaw.
Mae camerâu sydd wedi'u lleoli ledled y parc yn defnyddio prosesydd golwg cyfrifiadurol Intel (Movidius Myriad 2) sy'n gallu canfod anifeiliaid, pobl a cherbydau mewn amser real, gan ganiatáu i geidwaid parciau ddal potswyr cyn iddynt wneud unrhyw beth o'i le.
Mae'r dechnoleg newydd y mae Resolve wedi'i chreu yn addo bod yn fwy effeithiol na synwyryddion canfod confensiynol. Mae camerâu gwrth-botsio yn anfon rhybuddion pryd bynnag y byddant yn canfod symudiad, gan arwain at lawer o alwadau diangen a chyfyngu bywyd batri i bedair wythnos. Mae'r camera TrailGuard ond yn defnyddio mudiant i ddeffro'r camera a dim ond yn anfon rhybuddion pan fydd yn gweld pobl yn y ffrâm. Mae hyn yn golygu y bydd llawer llai o bethau cadarnhaol ffug.
Yn ogystal, nid yw camera Resolve yn defnyddio fawr ddim pŵer yn y modd segur a gall bara hyd at flwyddyn a hanner heb ailwefru. Mewn geiriau eraill, ni fydd yn rhaid i staff y parc beryglu eu diogelwch mor aml ag o'r blaen. Mae'r camera ei hun tua maint pensil, gan ei wneud yn llai tebygol o gael ei ddarganfod gan botswyr.
Beth arall allwch chi ei ddarllen ar y blog?
→
→
→
→
→
Tanysgrifiwch i'n -sianel, er mwyn peidio â cholli'r erthygl nesaf! Nid ydym yn ysgrifennu mwy na dwywaith yr wythnos a dim ond ar fusnes.
Ffynhonnell: hab.com