రట్జర్స్ యూనివర్శిటీ-న్యూ బ్రున్స్విక్ పరిశోధకులు ఒక ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) సాధనాన్ని అభివృద్ధి చేశారు, ఇది అంతరించిపోతున్న తిమింగలం ఆవాసాలను అంచనా వేయడానికి సహాయపడుతుంది, వాటిని నివారించడానికి అట్లాంటిక్ తీరం వెంట నౌకలను మార్గనిర్దేశం చేస్తుంది. ఈ సాధనం ఘోరమైన ప్రమాదాలను నివారించడానికి మరియు పరిరక్షణ వ్యూహాలను మరియు బాధ్యతాయుతమైన సముద్ర అభివృద్ధిని తెలియజేయడానికి రూపొందించబడింది.
రెండు విస్తారమైన డేటాబేస్ల మధ్య కనుగొనబడిన నమూనాల నుండి తెలుసుకునే AI- శక్తితో పనిచేసే కంప్యూటర్ ప్రోగ్రామ్‌ను ఉపయోగించి, పరిశోధకులు తమ పద్ధతి ప్రస్తుత సామర్ధ్యాలపై మెరుగుపడిందని చెప్పారు, ఇది ముఖ్యమైన సముద్ర జాతుల పంపిణీ కోసం సముద్రాన్ని పర్యవేక్షించడానికి, ప్రమాదకరమైన ఉత్తర అట్లాంటిక్ కుడి తిమింగలం వంటిది. యుఎస్ నేషనల్ ఓషియానిక్ అండ్ అట్మాస్ఫియరిక్ అడ్మినిస్ట్రేషన్ ప్రకారం, ఉత్తర అట్లాంటిక్ రైట్ తిమింగలాలు 1970 నుండి అంతరించిపోతున్న జాతుల చట్టం ప్రకారం ప్రమాదకరమైనవిగా జాబితా చేయబడ్డాయి. సుమారు 370 మంది వ్యక్తులు మిగిలి ఉన్నారు.
పరిశోధకుల నివేదిక ప్రచురించబడింది ప్రకృతి శాస్త్రీయ నివేదికలు.
ఈ ప్రయత్నానికి స్కూల్ ఆఫ్ ఇంజనీరింగ్‌లో ఇండస్ట్రియల్ అండ్ సిస్టమ్స్ ఇంజనీరింగ్ విభాగంలో అసిస్టెంట్ ప్రొఫెసర్ అహ్మద్ అజీజ్ ఎజ్జాట్ మరియు జనవరిలో మెరైన్ సైన్సెస్‌లో ప్రొఫెసర్ జోష్ కోహట్ నాయకత్వం వహించారు . ఎజాట్ ఇంజనీరింగ్ మరియు ఫిజికల్ సైన్సెస్ కోసం అప్లైడ్ మెషిన్ లెర్నింగ్‌పై పరిశోధనా బృందానికి నాయకత్వం వహిస్తుంది. పేపర్ యొక్క మొదటి రచయిత మరియు స్కూల్ ఆఫ్ ఇంజనీరింగ్‌లో డాక్టరల్ విద్యార్థి అయిన జియాక్సియాంగ్ జెఐ ఈ ప్రాజెక్టుకు గణనీయంగా సహకరించారు.
ఒక ఇంట్లో ప్రజల కదలికలను ట్రాక్ చేయడం ద్వారా మరియు వంటగదిలో ఆహారం ఉందా మరియు డెన్‌లో ఒక టెలివిజన్ ఉందో నిర్ణయించడం ద్వారా కోహట్ ప్రోగ్రామ్ యొక్క ఉత్పత్తిని నేర్చుకోగలిగే వాటితో పోల్చాడు. ఇటువంటి కారకాలు రోజులో కొన్ని సమయాల్లో ప్రజలు ఎక్కడ ఉన్నారో నిర్ణయించవచ్చు. కొన్ని నమూనాలను గుర్తించడం, అంచనా శక్తిని తెలియజేస్తుంది.
“ఈ కార్యక్రమంతో, మేము సముద్రంలో తిమింగలం యొక్క స్థానాన్ని పర్యావరణ పరిస్థితులతో పరస్పరం అనుసంధానిస్తున్నాము” అని కోహట్ చెప్పారు. “ఇది తిమింగలాలు ఎక్కడ ఉందనే దానిపై నిర్ణయం తీసుకోవడంలో మరింత సమాచారం ఇవ్వడానికి ఇది మాకు అనుమతిస్తుంది. తిమింగలాలు చుట్టూ ఉండటానికి అధిక సంభావ్యతను సూచించే సమయం మరియు స్థానాన్ని మేము can హించవచ్చు. వాటిని రక్షించడానికి వివిధ ఉపశమన వ్యూహాలను అమలు చేయడానికి ఇది మాకు సహాయపడుతుంది. “
ప్రారంభంలో, పరిశోధకులు ఉత్తర అట్లాంటిక్ కుడి తిమింగలం ఉనికి యొక్క అధిక-రిజల్యూషన్ మోడళ్లను అభివృద్ధి చేయడానికి ప్రయత్నించారు, బాధ్యతాయుతమైన ఆఫ్‌షోర్ విండ్ ఫామ్ అభివృద్ధి మరియు ఆపరేషన్‌కు మద్దతుగా. కానీ ఫలితాలు చాలా విస్తృతమైన చిక్కులను కలిగి ఉన్నాయని మరియు వివరాలను తమ పరిశోధనా పత్రానికి అనుబంధంగా బహిరంగపరిచారని వారు చెప్పారు.
“ఈ సాధనాలు విలువైనవి మరియు నీలి ఆర్థిక వ్యవస్థలో నిమగ్నమైన ఎవరికైనా పటిష్టంగా ప్రయోజనం చేకూరుస్తాయి – ఫిషింగ్, షిప్పింగ్ మరియు ప్రత్యామ్నాయ శక్తిని స్థిరంగా అభివృద్ధి చేయడం వంటివి” అని ఎజాట్ చెప్పారు. “ఈ విధానం ఈ జలాల యొక్క తెలివైన మరియు పర్యావరణ బాధ్యతాయుతమైన ఉపయోగానికి మద్దతు ఇవ్వగలదు, తద్వారా మేము మా ఆర్థిక లక్ష్యాలను సాధిస్తాము మరియు అదే సమయంలో ఈ జీవుల పర్యావరణ ఆవాసాలకు మేము తక్కువ హాని కలిగించకుండా చూసుకోండి.”
విలక్షణమైన కంప్యూటర్ ప్రోగ్రామ్‌ల మాదిరిగా కాకుండా, సూచనలు స్పష్టంగా వ్రాయబడిన చోట, పరిశోధకులు ఉపయోగించిన యంత్ర అభ్యాస కార్యక్రమం నమూనాలు మరియు సంబంధాలను కనుగొనటానికి పెద్ద డేటా సెట్లను విశ్లేషించారు. AI ప్రోగ్రామ్ మరింత డేటాను ఎదుర్కొన్నప్పుడు, మంచి అంచనాలు లేదా వర్గీకరణలు చేయడానికి ఇది దాని అంతర్గత నమూనాను సర్దుబాటు చేసింది.
“మెషీన్-లెర్నింగ్ మోడల్ యొక్క ఫలితం ప్రాథమికంగా ఎక్కడ మరియు ఎప్పుడు సముద్ర క్షీరతిని ఎదుర్కొనే అవకాశం ఉంది,” అని ఎజాట్ చెప్పాడు, అతను “సంభావ్యత మ్యాప్” గా వర్ణించాడు.
కంప్యూటర్ మోడల్ విశ్లేషించిన సమాచారంలో రట్జర్స్ యూనివర్శిటీ సెంటర్ ఫర్ ఓషన్ వద్ద శాస్త్రవేత్తలు సేకరించిన అన్ని నీటి అడుగున గ్లైడర్ మరియు ఉపగ్రహ-ఆధారిత డేటా 1992 నాటి నాయకత్వాన్ని గమనిస్తుంది, అప్పటి అసిస్టెంట్ ప్రొఫెసర్ స్కాట్ గ్లెన్ చేత స్థాపించబడినప్పుడు, ఇప్పుడు ఒక విశిష్ట ప్రొఫెసర్ మెరైన్ అండ్ కోస్టల్ సైన్సెస్ విభాగం. ఈ విశ్లేషణలో డెలావేర్ విశ్వవిద్యాలయం బహిరంగంగా అందుబాటులో ఉంచిన ఉపగ్రహ డేటా ఉత్పత్తులు కూడా ఉన్నాయి.
నీటి అడుగున గ్లైడర్‌లు స్వయంప్రతిపత్తి, టార్పెడో-ఆకారపు నాళాలు, ఇవి మధ్య-అట్లాంటిక్ తీరం యొక్క సముద్ర ఉపరితలం క్రింద జిప్ చేస్తాయి. ఉష్ణోగ్రత, లవణీయత, ప్రస్తుత బలం మరియు క్లోరోఫిల్ స్థాయిలతో సహా సముద్రపు నీటి యొక్క అనేక విభిన్న అంశాలను కొలవడానికి ఇవి రూపొందించబడ్డాయి. గ్లైడర్‌లు చేపల పాఠశాలల నుండి ధ్వని తరంగాలను బౌన్స్ చేయడానికి మరియు తిమింగలాలు మరియు ఇతర సముద్ర క్షీరదాల నీటి అడుగున కాల్స్ రికార్డ్ చేయడానికి, వాటిని సమయం మరియు ప్రదేశంలో గుర్తించడం. ఉపగ్రహ డేటాలో సముద్ర ఉపరితల ఉష్ణోగ్రత, నీటి రంగు మరియు ఫ్రంట్‌ల కొలతలు ఉన్నాయి.
“మేము డేటాను కలిగి ఉన్నాము, కానీ, ఇప్పటి వరకు, మేము రెండు సెట్లను ఉంచలేకపోయాము – తిమింగలాలు ఎక్కడ ఉన్నాయో, మరియు ఆ ప్రదేశాలలో పర్యావరణం ఎలా ఉంటుందో – కలిసి” అని కోహట్ చెప్పారు. “ఇది ఈ తిమింగలాలు ఎక్కడ ఉన్నాయో అంచనా వేయడానికి లేదా అంచనా వేయడానికి మన సామర్థ్యాన్ని ముందుకు తీసుకురావడానికి AI పద్దతులను ఉపయోగించే శక్తి యొక్క ప్రదర్శన.”
ఈ అధ్యయనంలో ఉన్న ఇతర రట్జర్స్ శాస్త్రవేత్తలు: మెరైన్ మరియు కోస్టల్ సైన్సెస్ విభాగంలో ల్యాబ్ మేనేజర్ లారా నజారో; మరియు కంప్యూటర్ సైన్స్ లో అండర్ గ్రాడ్యుయేట్ మేజరింగ్ అయిన జీవా రామసామి.
