AI-modeller och plattformar
AI används för att övervaka korallrevens hälsa och upptäcka havssopor

Intel (INTC ) har nyligen samarbetat med Accenture och Sulubaaï Environmental Foundation för att skapa en AI-driven datainsamlingplattform som syftar till att analysera och skydda sårbara marina habitat, såsom korallrev.
Kombinationen av klimatförändringar, föroreningar och överfiske har skadat världens hav, särskilt korallrev. Korallrev runt om i världen upplever massdöd och problem som korallblekning. Forskare och bevarande experter letar efter sätt att skydda korallrev och hjälpa dem återhämta sig. Att utforma planer för att stödja korallrev kräver data, och som Engadget rapporterade, har Intel samarbetat med två miljöorganisationer för att skapa CORaiL-plattformen. Syftet med CORaiL kommer att vara att samla in information om korallrev och andra marina habitat, och ge forskare de data de behöver för att bestämma vilka strategier som kan vara effektiva för att skydda sårbara marina ekosystem. Som Jason Michell, chef för Communications, Media, and Technology-praktiken på Accenture förklarade i en bloggpost:
”Artificiell intelligens erbjuder oöverträffade möjligheter att lösa några av samhällets mest besvärliga problem. Vårt ekosystem av företags- och sociala partners för detta ’AI för socialt gott’-projekt visar att det finns styrka i antalet för att göra en positiv miljöpåverkan.”
I maj förra året installerade forskarteamet och ingenjörerna från de tre organisationerna betongstrukturer längs rev som hittades nära Filippinernas Pangatalan Island. Betongbitarna innehöll delar av levande korall som kunde växa till nya habitat för varelser som lever i korallekosystem. Dessutom placerade forskarna videokameror under vatten nära strukturerna så att de kunde samla in data om korallen och den omgivande miljön. Kamerorna använde en AI-driven videoanalys-system utvecklad av Accenture, och kamerorna möjliggjorde för forskarna att samla in data om revet med minimalt invasiva metoder.
Accentures AI-videoanalys-system låter forskare samla in realtidsvideo-data från korallmiljöerna utan att behöva vara fysiskt närvarande i vattnet. Medan många dykare samlar in film av korallrev, medför detta resekostnader och presenterar möjligheten att dykarna kan störa djurlivet i området. AI-video-plattformen gör mycket av datainsamlingen och analysen för forskarteamen, och övervakar kontinuerligt miljön för förändringar, och låter forskare göra analyser i mer eller mindre realtid.
Under det senaste året har CORaiL samlat in cirka 40 000 bilder för analys, och bilderna hjälper redan forskare att analysera hur korallrev förändras i samband med förändrade miljöförhållanden. Samtidigt arbetar ingenjörer från det samarbetsinriktade företaget redan på nästa generation av CORaiL-systemet. Nästa prototyp kommer att innehålla en reservkraftkälla och en optimerad serie konvolutionsneuronnät. Nya versioner av CORaiL kan användas för uppgifter som inte bara studerar korall, utan även studerar hur tropiska fiskar migrerar genom kalla vatten eller övervakar för brott mot revskyddsorder.
CORaiL är inte det enda nya projektet som använder AI med målet att skydda haven. Ett nytt AI-system utvecklat av forskare från Plymouth Marine Laboratory i Storbritannien spårar plastföroreningar i havet genom analys av satellitbilder. AI-systemet analyserar bilder som samlats in av den europeiska rymdmyndighetens (ESA) satelliter och hittar stora mängder flytande skräp genom att analysera den ”spektrala signatur” som produceras av skräpet (mönster av ljus som absorberas och reflekteras av skräpet). Efter utbildning kunde AI känna igen en mängd olika föremål när den testades på bilder av hav från Vietnam, Kanada, Ghana och Skottland. AI rapporterades ha uppnått cirka 86 procents noggrannhet när den skiljde på skräp och naturliga föremål.
Enligt de forskare som deltar i forskningen är deras experiment den första gången som plastföroreningar har spårats med satelliter. Forskarteamet vill förbättra tekniken och möjliggöra att den kan upptäcka skräpfläckar inom floder och längs kustregioner.












