Արհեստական բանականության կիրառությունները ձկնորսության մեջ
Արհեստական բանականությունը (ԱԲ) ավելի ու ավելի է կիրառվում տարբեր ոլորտներում, այդ թվում՝ ձկնորսության մեջ: Կլիմայի փոփոխության, ձկնային պաշարների նվազման, շահագործման ծախսերի աճի և կայուն ծովամթերքի շուկայական պահանջարկի մարտահրավերների պայմաններում ԱԲ-ն առաջարկում է նոր, ավելի ճշգրիտ, արագ և տվյալների վրա հիմնված մոտեցում: Այս տեխնոլոգիան ոչ միայն արդիական է խոշոր ձկնորսության արդյունաբերության համար, այլև ունի ներուժ օգնելու փոքր ձկնաբուծարաններին և ձկնորսներին ավելի մատչելի համակարգերի միջոցով, ինչպիսիք են բջջային հավելվածները և ցածրարժեք սենսորները: Այս հոդվածը քննարկում է ձկնորսության մեջ ԱԲ-ի տարբեր կիրառությունները՝ ձկնորսությունից և մշակությունից մինչև վերամշակում և ռեսուրսների մոնիթորինգ և կառավարում:
1. Ձկան պաշարների մոնիթորինգի և բաշխման կանխատեսման արհեստական բանականություն
Ձկնորսության ոլորտում ամենամեծ մարտահրավերներից մեկը ձկան գտնվելու վայրի և առատության անորոշությունն է: Արհեստական բանականությունը կարող է օգտագործել օվկիանոսագրական տվյալներ, ինչպիսիք են ծովի մակերևույթի ջերմաստիճանը, քլորոֆիլ-a-ն, աղիությունը, հոսանքները և նույնիսկ արբանյակային տվյալները՝ հնարավոր ձկնորսական վայրերը կանխատեսելու համար: Մեքենայական ուսուցման տեխնիկայի միջոցով համակարգը կարող է բացահայտել նախկինում մարդկանց համար դժվար դիտարկելի օրինաչափություններ, ինչպիսիք են ծովի ջերմաստիճանի փոփոխությունների և պելագիկ ձկների միգրացիայի միջև եղած կապը:
Արհեստական բանականության վրա հիմնված ձկան բաշխման կանխատեսումները օգնում են ձկնորսներին կրճատել որոնման ժամանակը, խնայել վառելիք և իջեցնել ածխածնի արտանետումները: Ավելին, պատմական որսի և սեզոնային տվյալների հետ համատեղ, արհեստական բանականությունը կարող է խորհուրդ տալ ծով դուրս գալու լավագույն ժամանակը և համապատասխան ձկնորսական պարագաները: Եթե լայնորեն կիրառվի, այս տեխնոլոգիան կարող է նվազեցնել ձկնորսական ճնշումը որոշակի տարածքներում՝ ձկնորսական ջանքերն ավելի հավասարաչափ բաշխելով:
2. Ձկների հայտնաբերում և ձկնորսական սարքավորումների ընտրողականություն
Անմիջական որսի՝ ոչ թիրախային տեսակների, ինչպիսիք են կրիաները, ծովային կաթնասունները կամ երիտասարդ ձկները, որսի խնդիրը կայուն ձկնորսության հիմնական ուշադրության կենտրոնում է: Արհեստական բանականությունը, մասնավորապես համակարգչային տեսողությունը, կարող է տեղադրվել նավերի վրա գտնվող տեսախցիկների կամ ձկնորսական սարքավորումների մեջ՝ իրական ժամանակում որսված տեսակները նույնականացնելու համար: Այս համակարգը կարող է վաղ նախազգուշացում տրամադրել անձնակազմին, եթե որսացվեն պահպանվող տեսակներ, թույլ տալով դրանք անհապաղ ազատ արձակել:
Ավելին, արհեստական բանականությունը կարող է օգնել բարելավել ձկնորսական սարքավորումների ընտրողականությունը: Օրինակ՝ տեսանյութերի և սենսորների տվյալների վերլուծությամբ, համակարգը կարող է առաջարկել ցանցի չափի կամ ձկնորսական գործողության ժամանակի փոփոխություններ՝ պատահական որսը նվազեցնելու համար: Որոշ նորարարություններում արհեստական բանականությունը մշակվել է նույնիսկ ավտոմատ տեսակավորման սարքերը կառավարելու համար, որոնք թիրախային ձկներին առանձնացնում են այլ տեսակներից, ինչը հանգեցնում է ավելի բարձր որակի և ավելի էկոլոգիապես մաքուր որսի:
3. Արհեստական բանականությունը ակվակուլտուրայում
Ակվակուլտուրան արագ զարգանում է՝ համաշխարհային սպիտակուցային կարիքները բավարարելու համար, սակայն այն բախվում է այնպիսի մարտահրավերների, ինչպիսիք են հիվանդությունները, ջրի որակը, կերի արդյունավետությունը և անհավասար աճը: Արհեստական բանականությունը օգնում է ֆերմերներին տվյալների վրա հիմնված որոշումներ կայացնել լճակների կամ վանդակների մոնիթորինգի համակարգերի միջոցով:
ա) Կերերի օպտիմալացում
Կերը ակվակուլտուրայի ամենամեծ ծախսային բաղադրիչն է: Արհեստական բանականությունը կարող է վերլուծել ձկների սննդառության վարքագիծը ստորջրյա տեսախցիկների կամ թրթռման/ձայնի սենսորների միջոցով, այնուհետև ավտոմատ կերպով կարգավորել կերի չափաբաժինները: Սա նվազեցնում է կերի կորուստը, կայունացնում ջրի որակը և օպտիմալացնում ձկների աճը: Այս տեխնոլոգիան նաև օգնում է նվազեցնել աղտոտվածությունը, քանի որ չուտված կերը հաճախ դառնում է ամոնիակի աղբյուր և նվազեցնում լուծված թթվածնի մակարդակը:
բ) Ջրի որակի մոնիթորինգ և ռիսկի կանխատեսում
Ինտերնետային իրերի ինտերնետ (IoT) սենսորները չափում են այնպիսի պարամետրեր, ինչպիսիք են pH-ը, ջերմաստիճանը, լուծված թթվածինը (DO), ամոնիակը, նիտրիտը և պղտորությունը: Այնուհետև արհեստական բանականությունը վերլուծում է տվյալների միտումները՝ կանխատեսելու համար, թե երբ պայմանները կդառնան վտանգավոր և խորհուրդ է տալիս գործողություններ, ինչպիսիք են լրացուցիչ օդափոխությունը կամ ջրի փոփոխությունը: Այս կանխատեսողական մոտեցումն ավելի արդյունավետ է, քան խնդիրների առաջացմանը սպասելը, ինչը նվազեցնում է ձկների մահացության մակարդակը:
գ) Հիվանդությունների և սթրեսի հայտնաբերում
Հիվանդությունները կարող են արագ տարածվել բարձր խտության ակվակուլտուրայի համակարգերում: Պատկերի վրա հիմնված արհեստական բանականությունը կարող է ճանաչել տեսողական ախտանիշներ, ինչպիսիք են վերքերը, գունաթափումը կամ աննորմալ լողի օրինաչափությունները: Մոդելներին կարելի է մարզել առողջ ձկները անառողջից տարբերակելու համար, ինչը հնարավորություն է տալիս ավելի վաղ բուժում իրականացնել: Վաղ հայտնաբերումը կարող է նվազեցնել հակաբիոտիկների օգտագործումը և նվազեցնել հակամանրէային դիմադրության առաջացման ռիսկը:
4. Ավտոմատացում և ռոբոտաշինություն ձկնորսության ոլորտում
Արհեստական բանականությունը նաև խթանում է ավտոմատացումը՝ թե՛ նավերի, թե՛ վերամշակման օբյեկտների վրա: Ձկնորսական նավերի վրա ինտելեկտուալ նավիգացիոն համակարգերը կարող են օգնել երթուղիների պլանավորմանը՝ հիմնվելով եղանակի, հոսանքների և ձկների կանխատեսված գտնվելու վայրերի վրա: Իրական ժամանակի տվյալների ինտեգրման միջոցով կարելի է նվազեցնել վթարների ռիսկը, հատկապես ծայրահեղ ծովային պայմաններում:
Վերամշակման արդյունաբերության մեջ արհեստական բանականությամբ աշխատող ռոբոտներն ու տեսակավորման մեքենաներն օգտագործվում են ձկան չափը դասակարգելու, որակը ստուգելու, թերությունները հայտնաբերելու և ֆիլեի կտրումը օպտիմալացնելու համար: Այս տեխնոլոգիան բարելավում է արտադրանքի հետևողականությունը, նվազեցնում թափոնները և արագացնում գործընթացները: Արտահանման շուկաների համար, որոնք պահանջում են խիստ չափանիշներ, արհեստական բանականությունը օգնում է պահպանել սննդի որակը և անվտանգությունը ավտոմատացված տեսողական ստուգման միջոցով:
5. Հետևելիություն և արհեստական բանականության վրա հիմնված մատակարարման շղթա
Սպառողները գնալով ավելի են մտահոգվում ծովամթերքի ծագման հարցով. որտեղից են այն որսացել, ինչ մեթոդներով և արդյոք օրինական է եղել: Արհեստական բանականությունը դեր է խաղում հետագծելիության բարելավման գործում՝ վերլուծելով նավերից, նավահանգիստներից, սառնարանային պահեստներից և մանրածախ առևտրից ստացված մատակարարման շղթայի տվյալները: Երբ այն համակցվում է բլոկչեյնի կամ ինտեգրված տվյալների բազայի համակարգերի նման տեխնոլոգիաների հետ, արհեստական բանականությունը կարող է հայտնաբերել անոմալիաներ, ինչպիսիք են անսովոր քաշի անհամապատասխանությունները, կասկածելի առաքման երթուղիները կամ գործարքների օրինաչափությունները, որոնք վկայում են անօրինական գործունեության մասին:
Հետևելիությունը նախատեսված է ոչ միայն շուկայական նպատակների համար, այլև նպաստում է ձկնորսության կառավարմանը: Ճշգրիտ և հետևողական տվյալները օգնում են կառավարություններին և ոլորտի մասնակիցներին մշակել ավելի ճշգրիտ քվոտաների քաղաքականություն, ձկնորսության սեզոններ և պաշարների գնահատումներ:
6. ՄԱՁ ձկնորսության մոնիթորինգ և ձկնորսության կարգավորում
Անօրինական, չհաշվետվագրված և չկարգավորված ձկնորսությունը (IUU) վնասակար է երկրի համար և վնասում է ծովային էկոհամակարգերը: Արհեստական բանականությունն օգտագործվում է AIS (ավտոմատ նույնականացման համակարգ) տվյալների, VMS (նավի մոնիթորինգի համակարգ), արբանյակային պատկերների և նավի շարժման օրինաչափությունների վերլուծության համար: Արհեստական բանականության մոդելները կարող են բացահայտել կասկածելի վարքագիծ, ինչպիսիք են AIS-ի անջատումը, արգելված գոտիների շրջանցումը կամ ծովում նավերի հանդիպման անցկացումը, ինչը կարող է հանգեցնել անօրինական վերբեռնման:
Վաղ նախազգուշացման համակարգի միջոցով հսկողությունն ավելի արդյունավետ է դառնում, քանի որ սպաները կարող են առաջնահերթություն տալ բարձր ռիսկի նավերի ստուգումներին: Սա հատկապես կարևոր է խոշոր արշիպելագային պետությունների համար, որտեղ հսկողության ռեսուրսները սահմանափակ են ծովային ծածկույթի համեմատ:
7. Ձկնորսության ոլորտում արհեստական բանականության ներդրման մարտահրավերները
Չնայած իր խոստումնալից լինելուն, արհեստական բանականության ներդրումը զերծ չէ իր դժվարություններից: Նախ, տվյալների որակը և մատչելիությունը դեռևս խնդիրներ են առաջացնում: Շատ ձկնորսական տարածքներում բացակայում են հետևողական տվյալները, մինչդեռ արհեստական բանականության մոդելները մեծապես կախված են լավ տվյալներից: Երկրորդ, այնպիսի ենթակառուցվածքներ, ինչպիսիք են ինտերնետ հասանելիությունը, էլեկտրաէներգիան և սենսորային սարքերը, մնում են անհավասար բաշխված, հատկապես հեռավոր ափամերձ տարածքներում: Երրորդ, կան ներդրման դժվարություններ. ձկնորսներն ու ձկնաբուծարանները կարիք ունեն վերապատրաստման՝ տեխնոլոգիան արդյունավետորեն օգտագործելու համար:
Ավելին, պետք է հաշվի առնել էթիկական և տվյալների կառավարման ասպեկտները: Ձկնորսության վայրերի և նավերի շահագործման գործունեության վերաբերյալ տվյալները առևտրային արժեք ունեն, ուստի գաղտնիության պաշտպանությունը և տվյալների արդար փոխանակման մեխանիզմները կարևոր են: Արհեստական բանականության ներդրումը նաև պետք է ապահովի, որ այն չմեծացնի խոշոր և փոքր խաղացողների միջև եղած բացը: Լուծումները կարող են ներառել տեխնոլոգիական սուբսիդավորման ծրագրեր, բաց կոդով համակարգերի մշակում և կառավարության, համալսարանների և արդյունաբերության միջև համագործակցություն:
Եզրակացություն
Ձկնորսության մեջ արհեստական բանականության կիրառումը զգալի հնարավորություններ է ընձեռում արդյունավետությունը, կայունությունը և մրցունակությունը բարելավելու համար: Ձկան բաշխման կանխատեսումից և պատահական որսի կրճատումից, ջրային կերերի օպտիմալացումից, մշակման ավտոմատացումից մինչև անօրինական ձկնորսության մոնիթորինգ, արհեստական բանականությունն ունի ձկնորսության ոլորտը վերափոխելու ներուժ: Այնուամենայնիվ, դրա հաջող իրականացումը կախված է տվյալների հասանելիությունից, ենթակառուցվածքներից, մարդկային ռեսուրսների պատրաստվածությունից և աջակցող քաղաքականությունից: Ճիշտ և ներառական մոտեցմամբ արհեստական բանականությունը կարող է լինել կարևոր գործիք ծովային էկոհամակարգերը պաշտպանելու և միաժամանակ ափամերձ համայնքների բարեկեցությունը բարելավելու համար:
