الأرض من المدار: بينما لا يمكن التنبؤ بها وفوضوية، هل يمكن للذكاء الاصطناعي “السائل” أن يمنحنا رؤية أوضح؟
في عالم مفاجئ ومضطرب، تظل مراقبة الأرض من الفضاء أمرًا حيويًا ولكنه مليء بالتحديات. فالمناخ، والغيوم، وزوايا الشمس، يمكن أن تُعطل جميعها الرؤية وتنغص عملية جمع البيانات. إن المسارات المدارية للأقمار الصناعية قد تأخذ أسابيع قبل أن تعود إلى نفس المنطقة الجغرافية، مما يجعل من الصعب الحصول على معلومات دقيقة وموثوقة بشأن التغيرات التي تحدث على سطح الأرض. هذه التعقيدات تعوق جهود العلماء والباحثين، وتربك حتى أنظمة التعلم العميق التي تعتمد على البيانات المستمرة.
حديثًا، أُصدرت دراسة مراجعة من قبل باحثين من الجامعة التقنية في كلوج نابوكا، راؤول ألكساندرو جورجان ودوريان جورجان، تسلط الضوء على نوع جديد من الذكاء الاصطناعي قد يكون له القدرة على مواجهة هذه التحديات: الشبكات العصبية السائلة، التي تم استلهامها من الأنظمة البيولوجية. هذه الشبكات تعد بقدرة أكبر على التعلم والتكيف مع الظروف الغير منتظمة التي تميز مراقبة الأرض.
إن الاعتماد المتزايد للمجتمع الحديث على مراقبة الأرض أصبح أمرًا مثيرًا للإعجاب، ولكنه يتطلب أيضًا فهماً عميقاً لكيفية معالجة البيانات. التقليديون في التعلم العميق، بما في ذلك تلك التي تستخدم في السيارات ذاتية القيادة، تعتمد على وجود نقاط البيانات على فترات زمنية متوقعة، مما يسمح بالتفاعل مع الأحداث الصغيرة وتحديث النماذج بناءً على تلك التغيرات. لكن في مراقبة الأرض، الغيوم يمكن أن تحجب الرؤية لأجزاء من الكوكب، مما يعني أن الأقمار الصناعية قد تفوت فترات طويلة قبل أن تعود وتلتقط الصور مرة أخرى. هذه الفجوات الزمنية تُشكل تحديًا كبيرًا لأن الأنظمة التقليدية تُعاني من معالجة التغيرات الكبيرة التي تحدث بين الصور النادرة، مثل زيادة نمو المحاصيل أو حدود حرائق الغابات.
تبحث الدراسة في 61 دراسة مختلفة نشرت بين عامي 2018 و2026، تتناول كيف يمكن للذكاء الاصطناعي أن يتطور لمواجهة تلك الصعوبات. العديد من الحلول المقترحة تتضمن تحسينات على نماذج الرؤية الحاسوبية الحالية، مع الاستعانة بأساليب جديدة مثل الرسوم البيانية الديناميكية، والتي تهدف إلى تتبع التغيرات في مناطق معينة.
ماذا عن الشبكات العصبية السائلة؟ هذه التكنولوجيا الجديدة تأخذ في الاعتبار البنية العصبية البسيطة لدويدة تُعرف بـ C. Elegans، والتي تُستخدم بشكل شائع في الدراسات البيولوجية. تحتوي هذه الدودة على 302 خلية عصبية، ونظامها العصبي يلهم تطوير نماذج تكنلوجية تسمح بالتكيف مع التدفق المستمر للوقت، حتى عند وجود نقص كبير في البيانات. على سبيل المثال، إذا لم يتمكن القمر الصناعي من مراقبة منطقة معينة ثلاث مرات متتالية بسبب الغيوم، فإن الشبكة العصبية السائلة يمكنها أن تعوض تلك الفجوات، مما يجعل النظام يبدو وكأنه لم يفوت أي بيانات.
علاوة على ذلك، هذه الشبكات تتكيف مع الحالات الجذرية، مثل الحرائق أو الانفجارات البركانية. باستخدام المعادلات التفاضلية العادية، والتي ليست كثيفة الحسابات مثل الخوارزميات التقليدية، فإنه يمكن تشغيلها بسهولة على وحدات معالجة أقل، مما يتيح إمكانية دمجها في الأقمار الصناعية بسرعة وكفاءة.
ومع ذلك، لا تزال هذه التكنولوجيا في مراحلها المبكرة. من الدراسات الـ61، استخدمت حوالي 16% فقط الشبكات العصبية السائلة، والكثير منها اختبر في مناطق جغرافية ضيقة دون النظر إلى كمية الحوسبة اللازمة لتحقيق النتائج. يتوجب على الباحثين توخي الحذر وتجنب الإفراط في التفاؤل حتى يتمكنوا من إثبات أن هذه الشبكات توفر فائدة واضحة في مراقبة الأرض.
ستكون الفرص أمامها متزايدة في المستقبل، حيث تواصل وكالات الفضاء والشركات الخاصة إطلاق أقمار صناعية جديدة تجمع بيانات عن الأرض بشكل منتظم. مع تقدم التكنولوجيا، من المتوقع أن يتحسن فهمنا لكوكبنا والتغيرات التي تطرأ عليه، مما يمنح العلماء أدوات أفضل لفهم وإدارة مستقبل الأرض.
