ماہی گیری میں مصنوعی ذہانت کا اطلاق

فشریز میں مصنوعی ذہانت کی ایپلی کیشنز

مصنوعی ذہانت (AI) کا اطلاق ماہی گیری سمیت مختلف شعبوں میں تیزی سے کیا جا رہا ہے۔ موسمیاتی تبدیلی کے چیلنجوں، مچھلیوں کے ذخیرے میں کمی، بڑھتے ہوئے آپریشنل اخراجات، اور پائیدار سمندری غذا کے لیے مارکیٹ کی طلب کے درمیان، AI ایک نیا، زیادہ درست، تیز، اور ڈیٹا پر مبنی نقطہ نظر پیش کرتا ہے۔ یہ ٹیکنالوجی نہ صرف بڑے پیمانے پر ماہی گیری کی صنعت کے لیے متعلقہ ہے بلکہ اس میں چھوٹے پیمانے پر مچھلی کے کاشتکاروں اور ماہی گیروں کو زیادہ قابل رسائی نظام، جیسے کہ موبائل ایپس اور کم لاگت والے سینسر کے ذریعے مدد کرنے کی صلاحیت بھی ہے۔ یہ مضمون ماہی گیری میں مختلف AI ایپلی کیشنز پر بحث کرتا ہے، ماہی گیری اور کاشت کاری سے لے کر پروسیسنگ اور وسائل کی نگرانی اور انتظام تک۔

1. مچھلی اسٹاک کی نگرانی اور تقسیم کی پیشن گوئی کے لیے AI

مچھلی پکڑنے میں سب سے بڑا چیلنج مچھلی کے مقام اور کثرت کی غیر یقینی صورتحال ہے۔ AI سمندر کی سطح کے درجہ حرارت، کلوروفل-a، نمکیات، کرنٹ، اور یہاں تک کہ سیٹلائٹ ڈیٹا جیسے سمندری اعداد و شمار کو مچھلی پکڑنے کے ممکنہ میدانوں کی پیش گوئی کے لیے استعمال کر سکتا ہے۔ مشین سیکھنے کی تکنیکوں کا استعمال کرتے ہوئے، یہ نظام ان نمونوں کی شناخت کر سکتا ہے جن کا مشاہدہ کرنا انسانوں کے لیے پہلے مشکل تھا، جیسے سمندر کے درجہ حرارت میں تبدیلی اور مچھلی کی مچھلی کی منتقلی کے درمیان تعلق۔

AI پر مبنی مچھلی کی تقسیم کی پیشین گوئیاں ماہی گیروں کو تلاش کا وقت کم کرنے، ایندھن کی بچت اور کاربن کے اخراج کو کم کرنے میں مدد کرتی ہیں۔ مزید برآں، جب تاریخی کیچ اور موسمی ڈیٹا کے ساتھ ملایا جائے تو، AI سمندر میں جانے کے لیے بہترین وقت اور ماہی گیری کے مناسب سامان کی تجویز کر سکتا ہے۔ اگر وسیع پیمانے پر لاگو کیا جائے تو، یہ ٹیکنالوجی کچھ علاقوں میں ماہی گیری کی کوششوں کو یکساں طور پر تقسیم کرکے ماہی گیری کے دباؤ کو کم کر سکتی ہے۔

2. مچھلی کا پتہ لگانا اور فشنگ گیئر سلیکٹیوٹی

پائیدار ماہی گیری میں بائی کیچ کا مسئلہ، غیر ٹارگٹ پرجاتیوں جیسے کچھوے، سمندری ستنداریوں، یا نابالغ مچھلیوں کی گرفتاری، ایک اہم توجہ ہے۔ AI، خاص طور پر کمپیوٹر وژن، کو جہازوں پر لگے کیمروں پر یا فشینگ گیئر میں نصب کیا جا سکتا ہے تاکہ پکڑی گئی نسلوں کی حقیقی وقت میں شناخت کی جا سکے۔ اگر محفوظ پرجاتیوں کو پکڑا جاتا ہے تو یہ نظام عملے کو ابتدائی انتباہ فراہم کر سکتا ہے، جس سے انہیں فوری طور پر رہا کیا جا سکتا ہے۔

مزید برآں، AI ماہی گیری کے سامان کی سلیکٹیوٹی کو بہتر بنانے میں مدد کر سکتا ہے۔ مثال کے طور پر، ویڈیو فوٹیج اور سینسر ڈیٹا کا تجزیہ کر کے، سسٹم میش سائز میں تبدیلیوں کی سفارش کر سکتا ہے یا بائی کیچ کو کم کرنے کے لیے ماہی گیری کے آپریشن کا وقت۔ کچھ اختراعات میں، AI کو خودکار چھانٹنے والے آلات کو کنٹرول کرنے کے لیے بھی تیار کیا گیا ہے جو ہدف مچھلیوں کو دوسری نسلوں سے الگ کرتے ہیں، جس کے نتیجے میں اعلیٰ معیار کی اور زیادہ ماحول دوست کیچ نکلتے ہیں۔

3. ایکوا کلچر میں AI

عالمی سطح پر پروٹین کی ضروریات کو پورا کرنے کے لیے آبی زراعت تیزی سے ترقی کر رہی ہے، لیکن اسے بیماری، پانی کے معیار، خوراک کی کارکردگی، اور ناہموار ترقی جیسے چیلنجز کا سامنا ہے۔ AI کسانوں کو تالاب یا پنجرے کی نگرانی کے نظام کے ذریعے ڈیٹا پر مبنی فیصلے کرنے میں مدد کرتا ہے۔

a) فیڈ کی اصلاح
فیڈ آبی زراعت میں سب سے زیادہ لاگت کا جزو ہے۔ AI انڈر واٹر کیمروں یا وائبریشن/ساؤنڈ سینسرز کے ذریعے مچھلی کھانے کے رویے کا تجزیہ کر سکتا ہے، پھر خود بخود فیڈ کی خوراک کو ایڈجسٹ کر سکتا ہے۔ یہ خوراک کے ضیاع کو کم کرتا ہے، پانی کے معیار کو مستحکم کرتا ہے، اور مچھلی کی نشوونما کو بہتر بناتا ہے۔ یہ ٹیکنالوجی آلودگی کو کم کرنے میں بھی مدد کرتی ہے، کیونکہ غیر کھائی گئی خوراک اکثر امونیا کا ذریعہ بنتی ہے اور تحلیل شدہ آکسیجن کی سطح کو کم کرتی ہے۔

ب) پانی کے معیار کی نگرانی اور خطرے کی پیشن گوئی
IoT (انٹرنیٹ آف تھنگز) سینسر پی ایچ، درجہ حرارت، تحلیل شدہ آکسیجن (DO)، امونیا، نائٹریٹ، اور ٹربائڈیٹی جیسے پیرامیٹرز کی پیمائش کرتے ہیں۔ اس کے بعد AI اعداد و شمار کے رجحانات کا تجزیہ کرتا ہے تاکہ یہ اندازہ لگایا جا سکے کہ حالات کب خطرناک ہو جائیں گے اور کارروائیوں کی سفارش کرتا ہے، جیسے اضافی ہوا یا پانی کی تبدیلی۔ یہ پیشین گوئی کرنے والا نقطہ نظر مسائل کے پیدا ہونے کا انتظار کرنے سے زیادہ مؤثر ہے، جس سے مچھلیوں کی اموات کی شرح کم ہوتی ہے۔

c) بیماری اور تناؤ کا پتہ لگانا
اعلی کثافت آبی زراعت کے نظام میں بیماریاں تیزی سے پھیل سکتی ہیں۔ تصویر پر مبنی AI بصری علامات جیسے زخموں، رنگین رنگت، یا تیراکی کے غیر معمولی نمونوں کو پہچان سکتا ہے۔ ماڈلز کو صحت مند کو غیر صحت بخش مچھلیوں سے ممتاز کرنے کی تربیت دی جا سکتی ہے، جس سے پہلے علاج کی اجازت دی جا سکتی ہے۔ جلد پتہ لگانے سے اینٹی بائیوٹک کے استعمال کو کم کیا جاسکتا ہے اور اینٹی مائکروبیل مزاحمت کے خطرے کو کم کیا جاسکتا ہے۔

4. ماہی گیری کی صنعت میں آٹومیشن اور روبوٹکس

AI جہاز کے جہازوں اور پروسیسنگ کی سہولیات دونوں میں آٹومیشن بھی چلا رہا ہے۔ ماہی گیری کے جہازوں پر، ذہین نیویگیشن سسٹم موسم، کرنٹ، اور مچھلی کی پیش گوئی کے مقامات کی بنیاد پر راستے کی منصوبہ بندی میں مدد کر سکتے ہیں۔ ریئل ٹائم ڈیٹا انضمام کے ساتھ، حادثات کے خطرے کو کم کیا جا سکتا ہے، خاص طور پر انتہائی سمندری حالات میں۔

پروسیسنگ انڈسٹری میں، AI سے چلنے والے روبوٹ اور چھانٹنے والی مشینوں کا استعمال مچھلی کے سائز کی درجہ بندی کرنے، معیار کا معائنہ کرنے، نقائص کا پتہ لگانے اور فلیٹ کاٹنے کو بہتر بنانے کے لیے کیا جاتا ہے۔ یہ ٹیکنالوجی مصنوعات کی مستقل مزاجی کو بہتر بناتی ہے، فضلہ کو کم کرتی ہے، اور عمل کو تیز کرتی ہے۔ برآمدی منڈیوں کے لیے جو سخت معیارات کا مطالبہ کرتے ہیں، AI خودکار بصری معائنہ کے ذریعے کھانے کے معیار اور حفاظت کو برقرار رکھنے میں مدد کرتا ہے۔

5. ٹریس ایبلٹی اور AI پر مبنی سپلائی چین

صارفین سمندری غذا کی ابتدا کے بارے میں تیزی سے فکر مند ہیں: اسے کہاں پکڑا گیا، کن طریقوں سے، اور کیا یہ قانونی تھا۔ AI جہازوں، بندرگاہوں، کولڈ سٹوریج اور ریٹیل سے سپلائی چین ڈیٹا کا تجزیہ کرکے ٹریس ایبلٹی کو بہتر بنانے میں کردار ادا کرتا ہے۔ بلاکچین یا مربوط ڈیٹا بیس سسٹم جیسی ٹیکنالوجیز کے ساتھ مل کر، AI بے ضابطگیوں کا پتہ لگا سکتا ہے، جیسے وزن میں غیر معمولی تضادات، مشتبہ شپنگ روٹس، یا لین دین کے پیٹرن جو غیر قانونی طریقوں کی نشاندہی کرتے ہیں۔

ٹریس ایبلٹی نہ صرف مارکیٹ کے مقاصد کے لیے ہے بلکہ ماہی گیری کے انتظام کی بھی حمایت کرتی ہے۔ درست اور مستقل اعداد و شمار حکومتوں اور صنعت کے کھلاڑیوں کو زیادہ درست کوٹہ پالیسیاں، ماہی گیری کے موسم، اور اسٹاک کی تشخیص میں مدد کرتا ہے۔

6. IUU ماہی گیری کی نگرانی اور ماہی گیری کا ضابطہ

IUU ماہی گیری (غیر قانونی، غیر رپورٹ شدہ، اور غیر منظم ماہی گیری) ملک کے لیے نقصان دہ ہے اور سمندری ماحولیاتی نظام کو نقصان پہنچاتی ہے۔ AI کا استعمال AIS (خودکار شناختی نظام) ڈیٹا، VMS (ویسل مانیٹرنگ سسٹم)، سیٹلائٹ امیجری، اور جہاز کی نقل و حرکت کے نمونوں کا تجزیہ کرنے کے لیے کیا جاتا ہے۔ AI ماڈل مشکوک رویے کی نشاندہی کر سکتے ہیں جیسے AIS کو بند کرنا، ممنوعہ علاقوں کا چکر لگانا، یا سمندر میں جہاز کا ملاپ کرنا، جو غیر قانونی ترسیل کا باعث بن سکتا ہے۔

ابتدائی انتباہی نظام کے ساتھ، نگرانی زیادہ موثر ہو جاتی ہے کیونکہ افسران زیادہ خطرہ والے جہازوں کے معائنے کو ترجیح دے سکتے ہیں۔ یہ خاص طور پر بڑے جزیرہ نما ممالک کے لیے اہم ہے، جہاں سمندری کوریج کے مقابلے میں نگرانی کے وسائل محدود ہیں۔

7. ماہی گیری کے شعبے میں AI کے نفاذ کے چیلنجز

اپنے وعدے کے باوجود، AI کا نفاذ اس کے چیلنجوں کے بغیر نہیں ہے۔ سب سے پہلے، ڈیٹا کے معیار اور دستیابی کے مسائل باقی ہیں۔ ماہی گیری کے بہت سے علاقوں میں مستقل ڈیٹا کی کمی ہوتی ہے، جبکہ AI ماڈل اچھے ڈیٹا پر بہت زیادہ انحصار کرتے ہیں۔ دوسرا، بنیادی ڈھانچہ جیسا کہ انٹرنیٹ تک رسائی، بجلی، اور سینسر آلات غیر مساوی طور پر تقسیم کیے گئے ہیں، خاص طور پر دور دراز کے ساحلی علاقوں میں۔ تیسرا، اپنانے کے چیلنجز ہیں: ماہی گیروں اور مچھلی کاشتکاروں کو ٹیکنالوجی کو مؤثر طریقے سے استعمال کرنے کے لیے تربیت کی ضرورت ہے۔

مزید برآں، اخلاقی اور ڈیٹا گورننس کے پہلوؤں پر غور کیا جانا چاہیے۔ ماہی گیری کے مقامات اور بحری جہاز کی آپریشنل سرگرمیوں کے ڈیٹا کی تجارتی قدر ہوتی ہے، اس لیے رازداری کا تحفظ اور ڈیٹا شیئر کرنے کا منصفانہ طریقہ کار ضروری ہے۔ AI کے نفاذ کو یہ یقینی بنانے کی بھی ضرورت ہے کہ یہ بڑے اور چھوٹے کھلاڑیوں کے درمیان خلیج کو وسیع نہ کرے۔ حل میں ٹیکنالوجی سبسڈی پروگرام، اوپن سورس سسٹم کی ترقی، اور حکومت، یونیورسٹیوں اور صنعت کے درمیان تعاون شامل ہوسکتا ہے۔

نتیجہ اخذ کرنا

ماہی گیری میں مصنوعی ذہانت کا اطلاق کارکردگی، پائیداری اور مسابقت کو بہتر بنانے کے اہم مواقع فراہم کرتا ہے۔ مچھلی کی تقسیم کی پیشن گوئی کرنے اور بائی کیچ کو کم کرنے، آبی زراعت کی خوراک کو بہتر بنانے، خودکار پروسیسنگ، IUU ماہی گیری کی نگرانی تک، AI میں ماہی گیری کے شعبے کو تبدیل کرنے کی صلاحیت ہے۔ تاہم، اس کا کامیاب نفاذ ڈیٹا کی دستیابی، بنیادی ڈھانچے، انسانی وسائل کی تیاری، اور معاون پالیسیوں پر منحصر ہے۔ صحیح اور جامع نقطہ نظر کے ساتھ، AI ساحلی کمیونٹیز کی فلاح و بہبود کو بہتر بنانے کے ساتھ ساتھ سمندری ماحولیاتی نظام کی حفاظت کے لیے ایک اہم ذریعہ ہو سکتا ہے۔