همان‌طور که سازمان ملل و کمیسیون اروپا تأیید کرده‌اند یکی از دغدغه‌های عصر حاضر این است که در پی افزایش جمعیت، درختان جنگل با سرعت نگران‌کننده‌ای قطع می‌شوند و افزایش نرخ جنگل‌زدایی، تنوع زیستی غنی آن‌ها را در چندین بخش از جهان از بین برده است. از آغاز کشاورزی در ۱۲هزار سال پیش تعداد درختان در سراسر جهان ۴۶درصد کاهش‌یافته است و بیش از ۱۵میلیارد درخت هرساله قطع می‌شود. به گفتهٔ کروتر (۲۰۱۵) این عمل پیامدهای قابل توجهی از نظر تغییرات آب و هوایی، تنوع زیستی و رفاه انسان برای سیاره به دنبال خواهد داشت.
هوش مصنوعی دوستدار زمین
اصطلاح «هوش مصنوعی دوستدار زمین» به عنوان راهی برای افزایش گستردة جمع‌آوری، تجزیه و تحلیل داده‌ها برای حفاظت از محیط زیست و جنگلها معرفی شده است. استفاده از پتانسیل‌های هوش مصنوعی در مدیریت منابع طبیعی و جنگل برای اولین بار توسط کولسون(Coulson) و همکاران در سال۱۹۸۷ در زمینهٔ توسعهٔ سیستم‌های خبره برای حل مسائل و اتخاذ تصمیم به کار گرفته شد و پس از آن به عنوان روشی جایگزین در مدل‌سازی پدیده‌های غیرخطی و پیچیدة علوم جنگل از آن بهره برده شد. هوش مصنوعی نقش کلیدی در کاهش جنگل‌زدایی در هر زمان و هر جای ممکن دارد. در حقیقت با استفاده از هوش مصنوعی، می‌توان با شمارش درختان و ردیابی جنگل‌زدایی‌های غیرقانونی داده‌های حاصل را باسرعت به سازمان‌های حفاظت از محیط زیست ارسال کرد.
هوش مصنوعی به شبیه‌سازی هوش انسانی در ماشین‌هایی اشاره دارد که طوری برنامه‌ریزی شده‌اند که مانند انسان‌ها فکر کنند و اعمال آن‌ها را تقلید کنند. درحقیقت ویژگی‌های مرتبط با ذهن انسان مانند حل مسئله را نشان می‌دهد و این پتانسیل را دارد که تلاش‌های جهانی برای حفاظت از جنگلها و حفظ منابع را با تشخیص و حذف انتشار گازCO2 و هم‌چنین پیش‌بینی وضعیت آب‌وهوایی و در نتیجه کمک به توسعهٔ شبکه‌های حمل‌و‌نقل سبز را سرعت بخشد. از هوش مصنوعی می‌توان برای تعیین گونه‌های مختلف درختان، حجم چوب و یا حتی محاسبه ابعاد درختان استفاده کرد. هم‌چنین هنگامی که ماشین‌آلات مبتنی بر هوش مصنوعی در این زمینه استفاده می‌شود، موارد آسیب حین انجام کار به میزان زیادی کاهش می‌یابد که این امر ایمنی و راحتی اپراتورها را تضمین می‌کند.
کاربردهای مختلفی از هوش مصنوعی در جنگل‌داری وجود دارد که با گردآوری تکنیک‌های مختلف به زندگی جنگلی ارزش می‌بخشند. برخی از کاربردهای فناوری هوش مصنوعی به شرح ذیل است:
هوش مصنوعی میتواند دقت نظارت بر جنگل را افزایش دهد
بخشی از مشکل در فرایند تخریب جنگلها، نبود نظارت کافی بر جنگل‌هاست که به دلیل چالش‌های موجود در دستیابی به داده‌های مکانی دقیق و منسجم ایجاد شده است. به‌ویژه زمانی که دقت و قابلیت اطمینان بیشتری نیاز است؛ برای نمونه با پشتیبانی از فناوری‌های ماهواره‌ای که امکان ردیابی سریع و نظارت دقیق‌تر تاج پوشش جنگلی را فراهم می‌کنند. فیلتر کردن مقادیر زیادی از داده‌ها میتواند زمان‌بر باشد و سبب ایجاد کار فشرده و تحمیل هزینهٔ فراوانی شود.
شبکهٔ هوش مصنوعی یک ابزار عالی برای ایجاد سناریوی شبیه‌سازی جنگل است
FSOS یا سیستم بهینه‌سازی شبیه‌سازی جنگل یک سیستم مبتنی بر هوش مصنوعی‌ست به منظور تجزیهوتحلیل و برنامه‌ریزی چند منظورهٔ جنگل توسعه یافته است. این سیستم میتواند برنامه‌ریزی عملیات کوتاه‌مدت و برنامه‌ریزی استراتژیک بلند مدت را در یک مدل ادغام کند. این سیستم یک ابزار عالی برای شبیه‌سازی‌ها و بهینه‌سازی مدیریت جنگل است. به کمک آن می‌توان سناریوهای مدیریتی را مقایسه و جنگل‌های آینده را با سناریوهای مدیریتی مختلف مشاهده کرد.
کاربرد شبکهٔ عصبی مصنوعی در برآورد حجم تنهٔ درختان
برآورد حجم درخت یکی از بخش‌های مهم در پیش‌بینی رشد و محصول‌دهی جنگل است. «CollectiveCrunch» یک استارتآپ اسکاندیناویایی مستقر در هلسینکی فنلاند است و در سال۲۰۱۶ تأسیس شده است. تمام تمرکز این استارتآپ بر استفاده از قدرت فناوری‌ها در دنیای منابع طبیعی‌ست. این تیم یک پلتفرم هوش مصنوعی ابتکاری به نام «Linda Forest» ایجاد کرده که یک راه‌حل کلیدی «SaaS» برای پیش‌بینی بسیار دقیق تر از هر روش معمول تودهٔ چوب، گونه‌های چوب و کیفیت چوب مناطق هدف است. این شرکت از داده‌های آب‌و‌هوا، جغرافیایی و مشتر‌ی‌محور برای پیش‌بینی بهتر موجودی جنگل استفاده می‌کند.
پلتفرم پیشرفتهٔ هوش مصنوعی آن‌ها به‌طور رسمی در سپتامبر ۲۰۱۹ راه‌اندازی شد. این پلتفرم یک ابزار مفید برای شرکت‌های مدیریتی جنگل، صندوق‌های جنگلی و شرکت‌های تولید‌کنندهٔ محصولات چوبی‌ست که کمک می‌کند تا ب‌توانند تصمیمات بهتری برای خرید‌و‌فروش بگیرند. «CollectiveCrunch» که احتمالاً یکی از بزرگ‌ترین ابتکارات هوش مصنوعی در این بخش است، این ظرفیت را دارد که به «Google Maps» صنعت جنگل‌داری تبدیل شود و جنگلها را به روشی بسیار پایدارتر و پویاتر مدیریت کند.
هوش مصنوعی در خدمت احیای اکوسیستم‌‌های جنگلی
«Dendra Systems» که قبلاً «BioCarbon Engineering» نامیده می‌شد، یک شرکت فناوری مستقر در بریتانیا است که از پتانسیل‌های هوش مصنوعی و پهپاد برای کاشت درختان و در نهایت به نفع محیط زیست استفاده می‌کند. این تیم در تلاش است تا با استفاده از اتوماسیون و هوش دیجیتالی، سیارهٔ زمین و اکوسیستم‌ها را مجدد احیا کند. این شرکت متعهد شده که ۱۵۰برابر، سریع‌تر از سایر روش‌های کاشت سنتی باشد. روش آن‌ها در واقع بسیار کارآمدتر است؛ بذرها به کمک پهپاد مستقیماً توسط یک غلاف زیست تخریب‌پذیر به زمین پوشیده شده شلیک می‌شوند. این شرکت که در سال۲۰۱۴ تأسیس شد متشکل است از مهندسان فعال، دانشمندان علوم گیاهی، و کارشناسان هواپیماهای بدون سرنشین که موظف‌اند زمین را به مکانی بهتر از آن‌چه اکنون است، تبدیل کنند. با فناوری «Dendra» می‌توان سالانه ۱۰میلیارد درخت و در مکان‌های دور از دسترس کاشت. این شرکت به دلیل تلاش‌های خود شهرت جهانی کسب کرد و توسط مجمع جهانی اقتصاد معرفی شد.
استفاده از هوش مصنوعی به امید کمک به ایجاد تجارت پایدار در کاهش کربن
جنگل‌زدایی ۱۷درصد از کل انتشار کربن در جهان را تشکیل می‌دهد که نه تنها اثرات زیستمحیطی عظیمی را در مقیاس سیاره‌ای در پی دارد، بلکه هزینه‌های اقتصادی هنگفتی را نیز تحمیل می‌کند. شرکت داده‌های جنگل‌داری(SilviaTerra) به امید کمک به ایجاد تجارت پایدار در کاهش کربن، از هوش مصنوعی استفاده می‌کند. هوش مصنوعی تصاویر ماهواره‌ای(سنجش از دور) گونه‌های مختلف درختان را در دوره‌های زمانی متفاوت پردازش می‌کند و اندازه و گونه‌ها را بر اساس عواملی مانند زمان آغاز تغییر رنگ برگ‌ها در پاییز تشخیص می‌دهد.
«Reforestum» نیز یکی از شرکت‌هایی است که قصد دارد با احیای جنگل‌های اصلی به سیاره کمک کند. آن‌ها خدمات جبران کربن را از طریق احیای جنگل به اعضای جامعهٔ جهانی ارائه می‌دهند.
هوش مصنوعی در ردیابی، ارزیابی و پیش‌بینی خطر حریق جنگلها
«Dryad» نیز یکی از استارت‌‌آپ‌هایی‌ست که ردیابی حریق فوق سریع و هم‌چنین راه‌حل‌هایی جهت نظارت بر سلامت و رشد را برای جنگل‌های عمومی و خصوصی ارائه می‌دهد. با استفاده از این فناوری نوین در مقیاس بزرگ، حسگرها می‌توانند آتش‌سوزی‌های جنگلی را شناسایی کرده و اطلاعات ارزشمندی در مورد ریز‌اقلیم و روند رشد جنگل ارائه دهند.
هوش مصنوعی سدی در برابر فعالیتهای غیرقانونی
پلتفرم «GFH» در شناسایی فعالیتهای اخیر معدن‌کاری غیرقانونی مفید بوده است. هشدارهای سریع این پلتفرم به مقامات دولتی در مکان‌هایی مانند آماپا و در مرز با گویان فرانسه کمک کرده است تا مکان‌های جنگل‌زدایی غیرقانونی را که باید توسط سازمان‌های مجری قانون در اولویت قرار گیرند، مشخص سازند.
هوش مصنوعی میتواند فرآیند تحلیل داده‌ها را به صورت تصاعدی سرعت بخشد
به گفتهٔ پنگ(۱۹۹۹) داده‌های مربوط به محیط جنگل گاهی مبهم و غیرقابل پیش‌بینی هستن از این‌رو شبکة هوش مصنوعی که در پردازش چنین اصول غیرخطی‌ای به‌خوبی عمل می‌کند، از اواخر دهة۱۹۹۰ به عنوان یک رویکرد جایگزین برای روش کلاسیک مدل‌سازی پدیده‌های پیچیده در جنگل به‌طور گسترده مورد بررسی قرار گرفته است.
استارتآپ «20tree.ai » در حال انجام مأموریتی برای تبدیل‌شدن به یک مرجع استاندارد در پیش‌بینی فهم سیاره با استفاده از هوش مصنوعی، تصاویر ماهواره‌ای و قدرت محاسباتی است. این استارتآپ با ارائة راه‌حلی به سمت آینده‌ای سبزتر فعالیت می‌کند که به شرکت‌های صنعت جنگل، سازمان‌های غیردولتی و دولت‌ها کمک می‌کند تا تصمیم‌گیری را با بینش به‌موقع و دقیق در مورد منابع طبیعی بهبود بخشند. این استارتآپ پرتغالی که در سال ۲۰۱۸ تأسیس شد، نظارت روزانة سیاره را با داده‌های «Sentinel 1,2» ترکیب می‌کند تا ویژگی‌های جنگلها را درک کند و چوب را به‌طور پایدار برداشت کند.
البته که هوش مصنوعی تا رسیدن به هدف فاصلهٔ بسیاری دارد. سیاست‌های به‌کارگیری هوش مصنوعی باید با سیاست‌های مؤثر برای حفاظت از محیط زیست، حفاظت از جوامع محلی و اجرای بهتر قانون در داخل و خارج از مرزها مرتبط شود تا تأثیر واقعی داشته باشد. برای مثال، اگر مجریان قانون نتوانند بر اساس اطلاعات ارائه شده عمل کنند، نظارت دقیق فایدة چندانی ندارد و حتی اگر تلاش‌های مذاکراتی به نتیجه نرسد، حتی پیش‌بینی‌های دقیق نیز بی‌فایده خواهد بود. برای دولت‌هایی که به طور فعال مؤسسات مسئول حفاظت از محیط زیست را برچیده و حتی تهاجمات زمینی را تشویق می‌کند، عوامل سیاسی استفاده از چنین فناوری‌هایی را محدود می‌کند. به همین ترتیب تدابیر امنیتی باید برای جلوگیری از سوءاستفاده از داده‌های جمع‌آوری شده مانند نظارت سرکوب‌گرانهٔ جوامع و سازمان‌های غیردولتی اعمال شود.
از سوی دیگر ابزارهای هوش مصنوعی همیشه شفاف نیستند و تفسیر دقیق نحوهٔ عملکرد این ابزارهای هوش مصنوعی برای مدیران غیر‌ممکن است. انتخاب اشتباه مدل‌ها، پارامترهای تنظیم، مستندسازی ناکافی یا داده‌های آموزشی نامناسب میتواند پیامدهای مهمی برای عملکرد مدل‌های هوش مصنوعی و در نتیجه برای افراد و محیط داشته باشد. این اشتباهات میتواند تأثیر مخربی بر اعتماد بخش جنگل به مدیران، از جمله نمایندگان سازمان‌های دولتی داشته باشد.
فرصت‌‌ها؛ چگونه می‌‌توانیم با کمک هوش مصنوعی جهان را سبزتر و سرسبزتر کنیم؟
تکنیک‌های هوش مصنوعی با ساختار و عملکردی شبیه به مغز انسان که دارای اجزایی به نام نود یا نرون بوده، امروزه در طیف وسیعی برای حل بسیاری از مسائل شامل ارزیابی، بهینه‌سازی، پیش‌بینی، تشخیص و کنترل به‌کار گرفته شده‌اند. یکی از مهم‌ترین ویژگی‌های آن، عدم وابستگی آن‌ها به فرضیه‌های اولیه دربارة داده‌های ورودی است. به این معنی که داده‌های ورودی میتواند هرگونه توزیع آماری دلخواهی داشته باشند. این ویژگی شبکه‌های هوش مصنوعی، امتیاز ویژة آن‌ها در مقابل روش‌های آماری‌ست و به آن‌ها این امکان را می‌دهد که از انواع مختلف داده‌های ورودی با هر توزیع دل‌خواه، به‌طور یکسان استفاده کنند.کارآمد بودن شبکه برای یادگیری و انطباق با محیط در صورت تغییر در شرایط محیطی و هم‌چنین عدم از کار‌افتادگی شبکه در صورت آسیب‌دیدگی قسمتی از نرون‌ها و البته داشتن جواب منطقی برای داده‌ها در شرایط اطمینان(اعم از آنکه فازی باشند و یا به‌طور ناقص و تو‌أم با دریافت نویز دریافت شده باشند) علاقه‌مندی به استفاده از این فناوری را بیشتر کرده است.
هوش مصنوعی برای مدیریت هوشمندانه‌تر جنگل نیز کارآمد است. پیش از این، انجام بررسی‌های موجودی جنگل تا حد زیادی نسبت به اوایل دههٔ ۱۹۰۰ بدون تغییر بود و به گشت‌‌و‌گذارهای پرزحمت در جنگلها برای ایجاد پلات‌های نمونه برای برون‌یابی داده‌ها نیاز داشت. رویکردهای هوش مصنوعی می‌توانند حجم عظیمی از داده‌های ماهواره‌ای را برای یافتن بینش‌هایی در مورد سلامت جنگلها که با روش‌های متعارف شناسایی نمی‌شوند، پردازش کنند. پلتفرم‌هایی با استفاده از ML [۱] برای تجزیهوتحلیل گونه‌های درختی، حجم چوب و ابعاد درخت برای تصمیم‌گیری‌های آگاهانه‌تر وجود دارد که حتی برای شناسایی الگوهای پیش‌بینی آتش‌سوزی‌های جنگلی مورد استفاده قرار گیرد. با این حال، تحت نظارت یک دولت مسئولیت‌‌پذیر و منصفانه که برای مهار جنگل‌زدایی غیرقانونی و بی‌عدالتی‌های اجتماعی و زیستمحیطی مرتبط با آن تلاش می‌کند، هوش مصنوعی میتواند به جلوگیری از حداقل برخی از بلایای زیستمحیطی که در حال حاضر در جنگلها و سایر زیستگاه‌ها شاهد آن هستیم، چاره‌ساز باشد.
منابع:
Wu, Z., Li, M., Wang, B., Quan, YJ. Li, J. 2021. Using Artificial Intelligence to Estimate the Probability of Forest Fires in Heilongjiang. Northeast China. Remote Sensing, 13 (9): p. 1813.
Strobll, R. O., and Forte, F., 2007. Artificial neural network exploration of the influential factors in drainage network derivation. Hydrological processes, 21: 2965-2978.
Coulson, R. N., Folse, L. J., and Loh, D. K., 1987. Artificial intelligence and natural resource management. Science, 237: 262-267.
Erthal Abdenur, A., 2020. Intelligence Help Curb Deforestation in the Amazon?. Global Observatort.
Gimblett, R. H., and Ball, G. L., 1995. Neural network architectures for monitoring and simulating changes in forest resources management. AI Applications, 9: 103-123.
https://blogs.worldbank.org/opendata/five-forest-figures-international-day-forests. 2016.
https://news.yale.edu/2015/09/02/seeing-forest-and-trees-all-3-trillion-them.
https://www.nature.com/articles/nature14967. 2015.
https://www.worldwildlife.org/threats/deforestation-and-forest-degradation. 2020.
