مقاله برگزیده
شرکت Tidal از دل آزمایشگاه X، تحت نظارت Alaphabet (شرکت والد گوگل) به وجود آمده است. و به دنبال ایجاد فناوری‌هایی است که تغییر را در زندگی میلیون‌ها نفر ایجاد کند. یکی از همین ماموریت‌ها مهندسان را در سال ۲۰۱۸ به یک مزرعه پرورش ماهی در نزدیکی قطب شمال کشاند. ماموریت این گروه از مهندسان از قبیل مشاهده معیارهای رفتاری و ظاهری ماهی‌ها به منظور ارائه اطلاعات جدید در مورد سلامت و رشد آنها و اندازه‌گیری تاثیر محیط زیست برای پرورش ماهی‌ها می باشد. در اطلاعات این تیم آمده است که آبزی پروری تنها شروع مسیر آن‌هاست و آنها در پی توسعه فناوری‌های دیگر در سایر صنایع مبتنی بر اقیانوس هستند.
این گروه برای شروع مسیر خود با Mowi ASA که جزئی از بزرگترین شرکت‌های آبزی پروری ماهی سالمون در جهان است برای توسعه دوربین و نرم‌افزارهای زیرآبی برای پرورش ماهی همکاری داشتند. این گروه به مدت دو هفته در سال ۲۰۱۸ با حضور در یک جزیره کوچک نروژی در مورد مشکلات و نیازهای پرورش دهندگان ماهی اطلاعات کسب کردند.
این تیم در سفر اولیه خود توانستند هزار نقطه داده اولیه از ماهی‌ها را جمع آوری کنند. و این جمع آوری اطلاعات این امکان را داد که اولین مدل‌های هوش مصنوعی به دقت آموزش داده شوند تا الگوهایی را به دست آورند که برای چشم انسان نامرئی هستند. دو ماه بعد از این فرایند، سیستم‌های هوش مصنوعی آزمایشی توانستند فقط از روی تصاویر وزن ماهی‌ها را تخمین بزنند و این یک پیشرفت غیرمنتظره در این مسیر می‌باشد و اولین گام برای توسعه فناوری در زمینه پرورش ماهی است.
تخمین وزن از روی تصاویر جز اولین مواردی از ویژگی‌هایی بود که در ادامه این مسیر توسعه داده شد تا کارایی مزارع آبزی پروری افزایش داده شود و این کمک شایانی به پرورش دهندگان ماهی است تا اقداماتی را در جهت سلامتی ماهی‌های سالمون انجام دهند. پرورش دهندگان با داشتن اطلاعات با کیفیت تر در روند سرعت رشد ماهی‌های خود می‌توانند نرخ تغذیه ماهی‌ها را با دقت بیشتر و بهتری محاسبه کنند، تا غذای هدر رفته کاهش یابد و ضایعاتی را که ماهی‌ها می‌توانند بر اقیانوس اطراف خود تاثیر بگذارند به حداقل برسد. با این سیستم‌های نظارتی کشاورزان توانایی تشخیص شیوع آفات قبل از گسترش یافتن آن را پیدا می‌کنند.
منشا پیدایش Tidal
X در طول دهه‌های گذشته پروژه‌های مختلف اقیانوسی را مورد بررسی قرار داده است، از جمله‌ی این تلاش ها می‌توان به موارد زیر اشاره کرد:
• تبدیل آب دریا به سوخت
• ساخت ربات‌های زیردریایی به منظور جداسازی کربن
• پرورش غذا
• آزمایش پنل‌های خورشیدی شناور برای تولید انرژی های پاک
ساخت و بهره‌برداری فناوری های دریایی یک انتخاب بدیهی برای مهندسانی است که به دنبال ایجاد تغییرات بزرگ هستند. حدود دو سوم سیاره ما پوشیده از آب است و بیش از ۳ میلیارد نفر برای تامین پروتئین خود به غذاهای دریایی وابسته هستند. همچنین اقیانوس‌ها نقش کلیدی در تنظیم آب و هوا و تولید اکسیژن دارند. اما با وجود این حقایق، هدف شماره ۱۴ توسعه پایدار سازمان ملل متحد که بر زندگی زیر آب تمرکز دارد، کمترین بودجه را در میان ۱۷ هدف به خود اختصاص داده است.
یکی از مهمترین چالش‌هایی که پیش روی بشریت قرار دارد، تضمین دسترسی مستمر به منابع پروتئین پایدار و سالم با توجه به افزایش جمعیت جهان است. با توجه به پیش‌بینی افزایش جمعیت جهان تا سال ۲۰۵۰، جمعیت به ۷/۹ میلیارد نفر خواهد رسید. بدیهی است تقاضا برای غذاهای دریایی رو به افزایش خواهد بود و این امر جایگزین سالم‌تر و کم کربن‌تری به نسبت سایر پروتئین‌های حیوانی مانند گوشت گاو و خوک است. با این وجود روش‌های ماهیگیری امروزی بسیار ناپایدار هستند و تقریباً ۹۰ درصد از شیلات جهان اکنون، کاملاً مورد بهره‌برداری قرار گرفته‌اند یا بیش از حد صید شده‌اند.
با این تفاسیر آبزی پروری می‌تواند یک راه حل امیدوار کننده برای این مسئله باشد. همچنین ماهی یک منبع پروتئینی بسیار کارآمدتری نسبت به پروتئین‌های سایر حیوانات مانند گاو، گوسفند و خوک می‌باشد؛ چرا که نسبت تبدیل خوراکِ تقریباً یک به یک دارد به این معنا که به ازای هر کیلوگرم خوراک مصرفی حدود یک کیلوگرم به وزن بدن ماهی (سالمون) اضافه می‌شود. این در حالیست که گاوها برای افزایش یک کیلوگرم به وزن خود به ۸ الی ۱۲ کیلوگرم خوراک نیاز دارند.
با همه ی این صحبت ها صنعت آبزی پروری با چالش‌های مهم و افزاینده‌ای روبرو است از جمله افزایش دمای آب، تغییر شرایط اقیانوس‌ها.
پرورش دهندگان ماهی مسئول آلودگی‌های ناشی از خوراک اضافی است که در جهت مصرف نکردن ماهی ها و همچنین ضایعاتی که از آنها دفع می‌شود و در آب باقی می‌ماند، هستند. و این می‌تواند منجر به بیماری‌هایی در میان ماهی‌ها شود و به سرعت در بین جمعیت‌های پرورشی شیوع پیدا کند.
تصویر 1: سیستم هوشمند Taidal با استفاده از هوش مصنوعی می‌تواند با ردیابی مشخصه‌های رفتاری و فیزیکی ماهی‌ها، نرخ تغذیه آنها را به طور خودکار تنظیم کند و همچنین قادر به شناسایی شپش‌های دریایی که روی ماهی‌ها است تا شرایط مداخله به موقع پرورش‌دهندگان را فراهم کند.
تیمی در Tidal در حال تلاش برای توسعه فناوری است که بتواند از اقیانوس‌ها محافظت کند و همینطور به بررسی چالش‌های غذایی در سطح جهان بپردازد. این تیم از مزارع آبزی پروری در نروژ و ژاپن و بسیاری از کشورهای دیگر بازدید به عمل آورده است تا فناوری‌های خود را مورد آزمایش قرار دهد همچنین این تیم امیدوار است که شیوه‌های آبزی پروری را بتواند متحول کند.
پشتوانه ی داده های هوش مصنوعی در آبزی پروری
پرورش ماهی سالمون از نظر فناوری جزو پیشرفته‌ترین بخش در صنعت پرورش ماهی تلقی می‌شود. ماهی سالمون اقیانوس اطلس یکی از غذاهای دریایی محبوب است که بازار جهانی آن در سال ۲۰۲۳ نزدیک به ۲۰ میلیارد دلار در آمریکا بوده است. درهمان سال، ۲.۸۷ میلیون تن ماهی سالمون در اقیانوس اطلس پرورش داده شده است.
همچنین همکاری تیم Tidal با Mowi منجر به ترکیب دانش آبزی پروری با هوش مصنوعی شده است. هدف اولیه این تیم تخمین زیست توده بوده که یک کار بسیار حیاتی در پرورش ماهی است که شامل ارزیابی دقیق وزن ماهی و توزیع ماهی در یک استخر در زمان واقعی است. تسلط بر روی این کار مبنایی برای بهبود عملکرد تلقی می‌شود؛ زیرا که اندازه‌گیری‌های بهتر می‌تواند مدیریت بهتر را فراهم آورد.
تصویر 2: سیستم تصویربرداری Taidal که شامل چراغ‌ها، دوربین‌های مخصوص و سنسورهایی است که با حرکت میان ماهی‌ها اطلاعات مورد نیاز را جمع‌آوری می‌کنند.
این تیم متوجه یک مسئله در روند تحقیقات خود شد و آن هم این بود که حتی پیشرفته‌ترین سیستم‌های هوش مصنوعی نیز فاقد مدل‌های قابل اعتماد بینایی کامپیوتری برای محیط‌های زیرِ آبی هستند. حتی به روزترین مدل‌ها در پردازش تصاویر زیر آب به هیچ عنوان آموزش ندیده بودند و اکثرا در شناسایی ماهی‌های سالمون دچار خطاهای فاحشی می‌شدند. به عنوان مثال در یک مورد، مدل با اطمینان کامل یک ماهی را به عنوان چتر تشخیص داد.
علاوه بر این چالش دیگری که این تیم با آن روبرو بود تخمین میانگین وزن تا ۲۰۰٫۰۰۰ ماهی سالمون در هر استخر بود در حالی که داده‌های موجود که بر اساس نمونه برداری دستی هفتگی پرورش دهندگان ماهی از ۲۰ تا ۳۰ ماهی بود که به هیچ عنوان تنوع موجود در کل جمعیت را نشان نمی‌داد. این تیم برای عملکرد بهتر مدل‌های خود نیازمند داده‌های با کیفیتی بودند تا خروجی‌های با کیفیتی داشته باشند زیرا که عملکرد مدل مستقیماً به این داده‌های با کیفیت وابسته است.
بنابراین مبنای تصمیم این تیم بر آن شد که یک مجموعه داده با کیفیت از تصاویر ماهی‌ها در استخرهای پرورشی ایجاد شود. در اولین آزمایش برای تخمین وزن ماهی‌ها از طریق تصاویر از ماهی‌های پلاستیکی در آزمایشگاه‌ها استفاده شد اما درخواست برای داده‌های بهتر این تیم را در سال ۲۰۱۸ به نروژ کشاند، تا فیلمبرداری انجام شود. سعی این تیم بر آن بود که از ماهی‌های منفرد و تکی در محفظه‌های کوچک عکس گرفته شود اما این روش ناکارآمد بود چرا که ماهی‌ها به شکل قابل اطمینانی مقابل دوربین شنا نمی‌کردند.
این مرحله‌ای بود که این تیم «مسیر دوار» را برای ماهی‌ها طراحی کرد تا از هر ماهی از تمامی زوایا بتواند تصویربرداری کند. در ادامه، این تصاویر با داده‌های متناظر وزن و سلامت ماهی‌ها ترکیب شدند تا مدل‌های هوش مصنوعی آموزش داده شوند. اتفاقی که در این مسیر به عنوان پیشرفت یاد می‌شود دسترسی به داده‌های پرورش مزارع ماهی است چرا که در این داده‌ها هر ماهی به صورت جداگانه وزن می‌شود. این داده‌ها حجم مجموعه داده‌های این تیم را هزار برابر افزایش داد و عملکرد مدل را بهبود بخشید. در نهایت این تیم مدلی را در اختیار داشتند که با دقت بالا قادر به تخمین توزیع وزنی کل جمعیت ماهی‌ها در هر محفظه پرورشی بود.
ساخت سخت‌افزار مقاوم برای اقیانوسی بی‌رحم
این گروه دماهای زیر صفر، موج‌های بلند و چالش‌های زیست‌محیطی زیادی را در پروسه تحقیقاتی تجربه کردند. برای تلاش در رفع این چالش‌ها، زمان زیادی را صرف آزمایش فناوری Taidal در شرایط زیست محیطی بحرانی کردند. آنها شرایط محیطی را تا مرز تخریب تجهیزات می‌بردند و حتی از استانداردهای نظامی استفاده می‌کردند تا در نهایت بتوانند سیستمی بی‌نظیر و بسیار کارا طراحی کنند که شامل دوربین‌های بالا و پایین با پاسخ‌دهی بسیار سریع و نورپردازی موثر جهت کاهش استرس ماهی‌ها است.
تصویر 3: سیستم‌های گرداننده خودکار(winch) Tidal، دوربین‌ها را در محورهای افقی و عمودی درون قفس ماهی حرکت می‌دهند.
امروزه سیستم Tidal اطلاعاتی بسیار سریع در مورد رشد، سلامت و تغذیه ماهی‌ها ارائه می‌دهد که به پرورش‌دهندگان این امکان را می‌دهد تا تصمیمات‌شان را با توجه به داده‌ها اتخاذ کرده و عملکرد خود را بهینه‌سازی کنند.
یکی از نوآوری‌های کلیدی آنها، توسعه اولین سیستم تغذیه خودکار با استفاده از هوش مصنوعی در صنعت است. با تغذیه دقیق، این سیستم باعث کاهش غذای اتلافی و ضایعات ماهی شده و تأثیرات زیست‌محیطی پرورش ماهی را کاهش می‌دهد. ادغام این سیستم با پلتفرم دوربین به پرورش‌دهندگان این امکان را می‌دهد که هزینه‌ها و بی‌نظمی‌ها را تنها با یک سیستم کاهش دهند.
چالش‌های توسعه سیستم تغذیه خودکار
توسعه سیستم‌های تغذیه خودران و هوشمند علاوه‌بر چالش‌های فنی، چالش‌هایی غیر فنی نیز به همراه داشت. در ابتدا آنها به دنبال طراحی سیستمی بودند که با استراتژی یکسانی برای کاربران متفاوت مورد استفاده قرار بگیرد. با این حال، متوجه شدند که با مخالفت پرورش‌دهندگان روبه‌رو خواهند شد؛ چرا که کنار گذاشتن تجربه‌ای که طی سال‌ها کسب کرده‌اند، برای‌شان بسیار دشوار است. به همین علت تصمیم براین گرفتند که سیستمی قابل تنظیم طراحی کنند که قابلیت تنظیم توسط کاربران متفاوت را داشته باشد. این باعث می‌شد که طی گذشت مدت‌ها و جلب اعتماد پرورش‌دهندگان، آنها از قابلیت کاملا خودکار سیستم استفاده کنند. این سیستم با مشاهده و بررسی رفتار و ویژگی‌های فیزیکی ماهی‌ها تغذیه آنها را بهینه می‌کند و از هدر رفت خوراک ماهی‌ها و افزایش مدفوع آنها جلوگیری می‌کند.
تأثیر Tidal بر آبزی‌پروری پایدار
Tidal علاوه بر این، دستاورد های دیگری داشته است. با نرم‌افزار پرورش‌ماهی، پرورش‌دهندگان در هزینه صرفه‌جویی و بهره‌وری را افزایش داده‌اند. سیستم، با تشخیص به موقع شپش‌ها و سایر مشکلات به واسطه نرم‌افزار، امکان مداخله به موقع را فراهم می‌کند. سرمایه‌گذاری در محاسبه دقیق حجم زنده ماهی‌ها و بررسی تندرستی آنها، زمان بهینه را برای برداشت مشخص می‌کند و از برداشت ماهی‌های کوچک و ناسالم جلوگیری می‌کند.
در نهایت این گروه پس از سال‌ها رشد و توسعه در ژوئیه ۲۰۲۴ از زيرمجموعه X شرکت Alphabet خارج شد و به عنوان شرکتي مستقل با سرمايه گذاري شرکت‌هاي سرمايه گذاري آمريکا و نروژ و خود Alphabet فعاليت خود را آغاز كرد. سفر Tidal از ايده‌ای منحصر به فرد به شرکتي موفق در بازار، تنها شروع این راه است. با چالش‌های که بیشتر از هر زمانی سیاره‌مان را تهدید می‌کند، استفاده از تکنولوژی برای بقا در دنیایی که مدام در حال تغییر است کاملا ضروری است.
فناوری زیرآبی Tidal به فراتر از آبزی‌پروری خواهد رسید و قابلیت دگرگون سازی صنعت اقتصاد آبی دارد. در حالیکه ریشه ما در غذای آبی است، ابزارهای ما می‌توانند در انرژی آبی برای کنترل بر زیرساخت‌های دریایی مانند مزارع بادی فراساحلی، حمل‌ونقل آبی برای بهبود شبیه‌سازی‌های اقیانوس و مسیرهای کشتیرانی بهینه و کربن آبی برای نقشه‌برداری و تخمین ظرفیت ذخیره‌سازی کربن اکوسیستم‌های علفزارهای دریایی به کار روند.
هدف آنها پر کردن یک شکاف بسیار مهم در اطلاعات است: دانشمندان داده‌های محدودی درباره پتانسیل جذب کربن این اکوسیستم‌ها دارند که اعتبار بازارهای اعتبار کربن دریایی را کاهش می‌دهد. استفاده از این فناوری ممکن است درک علمی را گسترش دهد و سرمایه‌گذاری را به سوی حفاظت از این اکوسیستم‌ها تشویق کند. آنچه با شنا کردن ماهی‌ها در دایره‌های کوچک در یک مخزن در یک مزرعه ماهی نروژی آغاز شد می‌تواند به مجموعه‌ای از فناوری‌ها تبدیل شود که به بشریت در حفاظت و استفاده بهینه از منابع اقیانوسی کمک کند.
مترجم: نیلوفر کریمی
منبع
