نسیم گیلان - ایسنا / پژوهشی تازه به بررسی کاربرد هوش مصنوعی در مدیریت منابع طبیعی ایران پرداخته است؛ حوزه‌ای گسترده که جنگل‌ها، مراتع، گونه‌های گیاهی، منابع آب و موجودات میکروسکوپی مفید را دربرمی‌گیرد.
هوش مصنوعی یکی از شاخه‌های پیشرفته علوم رایانه است که با استفاده از الگوریتم‌ها، مدل‌های یادگیری ماشین و شبکه‌های عصبی می‌تواند حجم زیادی از داده‌های پیچیده را بررسی کند. به زبان ساده، این فناوری به رایانه امکان می‌دهد از داده‌ها الگوهای مهم را تشخیص دهد و بر اساس آن‌ها پیش‌بینی یا پیشنهادهایی ارائه کند. چنین توانایی‌ای در مدیریت منابع طبیعی اهمیت زیادی دارد، زیرا وضعیت جنگل‌ها، مراتع، منابع آب، خاک، گیاهان و موجودات زنده به‌طور مداوم تغییر می‌کند و بررسی همه این تغییرات با روش‌های سنتی زمان‌بر و دشوار است. هوش مصنوعی می‌تواند با تحلیل تصاویر ماهواره‌ای، اطلاعات میدانی و داده‌های زیستی، به شناسایی تغییرات محیطی و تصمیم‌گیری دقیق‌تر کمک کند.
اهمیت بررسی این موضوع در ایران از آنجا ناشی می‌شود که کشور از نظر منابع طبیعی، شرایطی گسترده اما حساس دارد. ایران حدود ۱۴ میلیون هکتار جنگل و ۸۴ میلیون هکتار مرتع دارد و زیستگاه بیش از ۸۰۰۰ گونه گیاهی و ۱۲۰۰ گونه جانوری است. بخشی از این گونه‌ها بومی کشور هستند و برخی نیز در معرض خطر انقراض قرار دارند. در کنار این تنوع زیستی، منابع آب ایران محدود و آسیب‌پذیر است. کشور با وجود رودخانه‌های مهمی مانند کارون، کرخه، سفیدرود و زاینده‌رود، در گروه کشورهای خشک و نیمه‌خشک قرار دارد و با کمبود آب روبه‌روست. کاهش شدید منابع آب زیرزمینی در بسیاری از مناطق نیز این وضعیت را دشوارتر کرده است. بنابراین، مدیریت این منابع باید هم از تخریب محیط‌زیست جلوگیری کند و هم امکان بهره‌برداری اصولی و اقتصادی را فراهم آورد.
در همین زمینه، سمانه سماوات، استادیار پژوهش در مؤسسه تحقیقات جنگل‌ها و مراتع کشور و سازمان تحقیقات، آموزش و ترویج کشاورزی، پژوهشی درباره ضرورت حفاظت از ریزوباکتری‌های مفید با کمک هوش مصنوعی انجام داده است. ریزوباکتری‌ها، باکتری‌هایی هستند که در اطراف ریشه گیاهان زندگی می‌کنند و می‌توانند در سلامت خاک و رشد گیاه نقش داشته باشند. این پژوهش ارتباط میان توانایی‌های هوش مصنوعی و نیازهای مدیریت منابع طبیعی را بررسی می‌کند و نشان می‌دهد که فناوری‌های داده‌محور چگونه می‌توانند برای شناخت بهتر موجودات مفید و حفاظت پایدار از منابع زیستی به کار گرفته شوند.
در بررسی مورد اشاره، قابلیت فناوری‌هایی مانند یادگیری ماشین و شبکه‌های عصبی برای تحلیل داده‌ها و کمک به پایش منابع طبیعی مورد توجه قرار گرفته است. یادگیری ماشین به سامانه‌هایی گفته می‌شود که می‌توانند از نمونه‌ها و داده‌های قبلی الگو بگیرند و در تشخیص یا پیش‌بینی عملکرد بهتری پیدا کنند. شبکه‌های عصبی نیز مدل‌هایی رایانه‌ای هستند که برای شناسایی الگوهای پیچیده به کار می‌روند. در کنار بررسی کلی این ظرفیت‌ها، یک مطالعه موردی درباره جدایه باکتریایی «سودوموناس کانادنسیس» نیز مطرح شده است. جدایه به نمونه‌ای از یک میکروارگانیسم گفته می‌شود که از یک محیط جدا و برای بررسی دقیق‌تر شناسایی شده است.
یافته‌های پژوهش نشان می‌دهند فناوری‌های مبتنی بر یادگیری ماشین و شبکه‌های عصبی می‌توانند در پایش جنگل‌ها، پیش‌بینی خشکسالی، حفاظت از گونه‌های گیاهی در معرض خطر انقراض و شناسایی باکتری‌های مفید مؤثر باشند. پایش جنگل‌ها با کمک این فناوری‌ها می‌تواند به بررسی تغییرات پوشش گیاهی کمک کند و پیش‌بینی خشکسالی نیز امکان آماده‌سازی بهتر برای دوره‌های کم‌آبی را فراهم می‌آورد. همچنین شناسایی سریع‌تر گونه‌های در معرض خطر می‌تواند اطلاعات لازم برای برنامه‌های حفاظتی را در اختیار مدیران منابع طبیعی قرار دهد.
مطالعه موردی مربوط به باکتری سودوموناس کانادنسیس نشان داد که ترکیب داده‌های زیستی با تحلیل‌های هوش مصنوعی می‌تواند ابزاری کارآمد برای شناسایی و مدیریت پایدار منابع طبیعی باشد. این نتیجه به این معناست که اطلاعات مربوط به میکروارگانیسم‌ها، هنگامی که با روش‌های تحلیلی جدید بررسی شوند، می‌توانند به شناخت بهتر ظرفیت‌های زیستی محیط کمک کنند. این رویکرد زمینه‌ای نوین برای توسعه فناوری‌های زیست‌محیطی و کشاورزی هوشمند در ایران ایجاد می‌کند.
اهمیت این یافته‌ها که در نشریه «طبیعت ایران» متعلق به مؤسسه تحقیقات جنگل‌ها و مراتع کشور انتشار یافته‌اند، فقط به شناسایی یک نوع باکتری محدود نمی‌شود. میکروارگانیسم‌های مفید بخشی از سرمایه زیستی هر سرزمین هستند و توجه به آن‌ها می‌تواند درک دقیق‌تری از سلامت خاک، رشد گیاهان و ظرفیت‌های طبیعی محیط فراهم کند. حفاظت از میکروارگانیسم‌های مفید در کنار حفاظت از جنگل‌ها، مراتع، گیاهان دارویی و گونه‌های در معرض خطر قرار گرفته است. این موضوع نشان می‌دهد مدیریت منابع طبیعی نیازمند توجه هم‌زمان به عناصر بزرگ و قابل مشاهده مانند جنگل و مرتع و عناصر کوچک‌تری مانند باکتری‌های سودمند است.
با وجود این ظرفیت‌ها، استفاده از هوش مصنوعی با محدودیت‌هایی نیز روبه‌روست. یکی از مهم‌ترین نیازها، دسترسی به داده‌های باکیفیت و گسترده برای آموزش مدل‌های هوش مصنوعی است. در مناطق دورافتاده، جمع‌آوری داده‌های دقیق ممکن است دشوار باشد. هزینه بالای اجرای فناوری و نیاز به نیروهای متخصص فنی نیز می‌تواند مانع استفاده گسترده از آن شود. در کشورهای در حال توسعه، کمبود منابع مالی و دسترسی نداشتن به زیرساخت‌های مناسب، از جمله عواملی است که روند به‌کارگیری این ابزارها را کند می‌کند. بنابراین، استفاده مؤثر از هوش مصنوعی به فراهم‌کردن داده‌های قابل اعتماد، زیرساخت مناسب و تخصص‌های لازم نیاز دارد.
بر اساس اطلاعات تکمیلی پژوهش، هوش مصنوعی می‌تواند از شناسایی گونه‌های باکتریایی و گیاهی در معرض خطر انقراض تا نظارت بر سلامت خاک و مدیریت مراتع کاربرد داشته باشد. توسعه این ابزارها می‌تواند به مقابله بهتر با چالش‌های زیست‌محیطی کمک کند و در بلندمدت، افزون بر حفاظت از منابع طبیعی، منافع اقتصادی و اجتماعی نیز به همراه داشته باشد. این فناوری با فراهم‌کردن امکان پایش، پیش‌بینی و مدیریت دقیق‌تر، می‌تواند بخشی از پاسخ به مشکلاتی مانند خشکسالی، کمبود آب و کاهش تنوع زیستی باشد؛ هرچند موفقیت آن به کیفیت داده‌ها و توان اجرایی کشور وابسته است.