برنامه iNaturalist

با iNaturalist آشنا شوید، یک برنامه طبیعت مبتنی بر AWS که به شما کمک می کند گیاهان و حیوانات را با استفاده از فناوری تشخیص تصویر شناسایی کنید. یک جامعه جهانی از دانشمندان شهروند در حال بررسی طبیعت وحشی در اطراف ما با برنامه iNaturalist هستند.

با نگاه کردن به آسمان، آیا می توانید تفاوت بین یک شاهین خشن و یک قایق شمالی را تشخیص دهید؟ آیا تفاوت بین یک مار بی خطر گوفر و یک مار زنگی را با علامت گذاری آنها می دانید؟ در مورد سنجاقک‌ها چطور  اگر روی بازوی شما فرود آمد، می‌توانید در برابر چمن‌زارها یک تیرانداز را انتخاب کنید؟

اینها سوالاتی هستند که اپلیکیشن iNaturalist هر روز برای کاربران خود به آنها پاسخ می دهد. این برنامه که ابتکار مشترک آکادمی علوم کالیفرنیا و انجمن نشنال جئوگرافیک است، بهترین دانلود در فروشگاه‌های اپلیکیشن و یک برنامه کاربردی برای کوهنوردان، کمپینگ‌ها و هر کسی است که دوست دارد وقت خود را در فضای باز بگذراند.

از هر قسمتی از گیاهان یا جانوران عکس بگیرید و اگر سیگنالی دارید iNaturalist به شما خواهد گفت که به چه چیزی نگاه می کنید و هر چیزی که ممکن است لازم باشد در مورد آن بدانید. خدمات وب آمازون و برخی از مدل‌های یادگیری ماشین بسیار دقیق به تشخیص تصویر و الگوریتم تطبیق الگوی برنامه کمک می‌کنند. اگر به یکی از ۵۰۰۰۰ گونه رایج موجود در این سیاره نگاه می کنید، iNaturalist احتمالاً می تواند به شما بگوید که چیست.

هدف این است که هر چه بیشتر مردم از طبیعت عکس بگیرند تا به دانش علمی مشترک ما بیفزایند. برای تشویق این تبادل اطلاعات، iNaturalist مجموعه داده‌های خود را از طریق Registry of Open Data در AWS در دسترس قرار داده است. اکنون، محققان در سرتاسر جهان می‌توانند به مجموعه داده‌ها (با ارزش بیش از ۱۶۰ ترابایت) بدون نیاز به پرداخت هزینه برای ذخیره نسخه‌های خود از داده‌ها دسترسی داشته باشند.

اسکات لواری، یکی از کارگردانان، مجموعه داده‌های جمع‌سپاری iNaturalist را گامی مهم در جهت پیشرفت علم و حفاظت می‌داند. لواری، که دارای مدرک کارشناسی ارشد زیست‌شناسی از دانشگاه استنفورد و دکترای علوم محیطی از دانشگاه دوک است، معتقد است که ترکیب دسترسی به صدها میلیون تصویر جمع‌سپاری با ابزارهای یادگیری ماشینی که می‌توانند الگوها را در داده‌ها بیابند، عصر جدیدی را آغاز می‌کند.

در زیست شناسی ارگانیسم های علمی، تکامل، و بوم شناسی، شبیه به آنچه که زمانی رخ داد که ابزارهایی برای تقویت و توالی DNA در دسترس قرار گرفت. نام آن را «انقلاب فنوتیپی» بگذارید، به جز انفجار داده‌ها در اطراف کد ژنتیکی یک حیوان، انفجاری از داده‌ها در اطراف ویژگی‌های فیزیکی حیوان وجود دارد. با مدل‌های یادگیری ماشینی که میلیون‌ها تصویر از گونه‌ها را از سراسر جهان تجزیه و تحلیل می‌کنند، مانند تصاویر موجود در مجموعه داده iNaturalist، دانشمندان در حال کشف الگوهایی هستند که در گذشته از قلم افتاده بودند.

به عنوان مثال، دانشمندانی که مجموعه داده‌های iNaturalist را بررسی می‌کنند متوجه شده‌اند که سنجاقک‌های همان گونه بسته به آب و هوایی که در آن زندگی می‌کنند، رنگ‌های تیره‌تر و روشن‌تری به خود می‌گیرند. اکتشافاتی مانند این به افراد برای ثبت داده ها و همچنین سیستم هایی برای انتشار و دسترسی آسان به داده ها بستگی دارد.

ما قبلاً هرگز به تصاویر موجودات زنده در این مقیاس دسترسی نداشتیم. استفاده از یادگیری ماشینی برای آشکار کردن بینش‌های علمی جدید از مجموعه داده‌های جدید تصاویر تنوع زیستی، نحوه رویکرد ما به علوم زیستی را تغییر می‌دهد.

لواری می‌گوید: «به راحتی می‌توان فکر کرد که اکنون همه چیز در مورد جهان طبیعی را می‌فهمیم. اما با جمع‌آوری اطلاعات بیشتر در مورد آن، سؤالات بیشتری ظاهر می‌شوند». لواری خاطرنشان می‌کند که علیرغم فناوری‌هایی که در دست ماست، بسیاری از زیست‌شناسی میدانی همچنان شامل جمع‌آوری نمونه‌ها و نگهداری آن‌ها در موزه‌ها است.

در حالی که این یک تمرین مفید و ضروری است، به این معنی است که بسیاری از درک ما از موجودات زنده از بررسی چیزهای مرده ناشی می شود. لواری گفت: «اکنون ما ابزارهایی برای به دست آوردن داده ها و بیرون کشیدن آن الگوها از نمونه های زنده داریم. این می‌تواند اطلاعات زیادی را در مورد رفتار و جنبه‌هایی از نحوه زندگی یک گونه در جهان نشان دهد که در نمونه‌ها حفظ نشده است».

لواری انقلاب را محدود به کاوش در تفاوت‌های فیزیکی در میان جمعیت‌های گونه‌ها نمی‌داند. توانایی تجزیه و تحلیل مجموعه داده های بزرگ بر درک ما از رفتارها و چرخه های زندگی نیز تأثیر می گذارد. به عنوان مثال، هر بهار، بزهای کوهی پوشش گرم ضخیم خود را می اندازند.

با این حال، با هزاران تصویر از بزهای کوهی در مراحل مختلف پوست اندازی که با نقاط داده مانند ارتفاع، دما و سایر عوامل محیطی تلاقی داده شده است، دانشمندان می توانند بهتر درک کنند که این فرآیند ریزش فصلی چگونه تحت تأثیر تغییرات آب و هوایی قرار خواهد گرفت.

زمین میزبان میلیون ها گیاه و حیوان است، حتی اگر قارچ ها، جلبک ها و باکتری ها را کنار بگذاریم. تا به امروز، دانش ما از گیاهان و جانوران جهان به سمت حیوانات، به ویژه پرندگان، خزندگان و پستانداران متمایل شده است. Loarie امیدوار است که با آپلود بیشتر کاربران و طبیعت گرایان بیشتر اعم از حرفه ای و آماتور داده های خود را از طریق iNaturalist به اشتراک می گذارند، تصویر دیجیتالی زندگی در سیاره ما همچنان ادامه خواهد داشت. لواری گفت: «ما قبلاً هرگز به تصاویر موجودات زنده در این مقیاس دسترسی نداشتیم.

“استفاده از یادگیری ماشینی برای آشکار کردن بینش های علمی جدید از مجموعه داده های جدید تصاویر تنوع زیستی، نحوه رویکرد ما به علوم زیستی را تغییر می دهد.” طبیعت را کاوش کنید و اکتشافات خود را با iNaturalist به اشتراک بگذارید. درباره نحوه دسترسی iNaturalist به مجموعه داده های خود با Registry of Open Data در AWS بیشتر بیاموزید. می توانید اطلاعات بیشتر از آمازون را از طریق زاکولا به دست آورید.