فوق الأراضي الرطبة في السنغال، يقود الباحث ألكسندر ديلبلانك طائرة بدون طيار لإحصاء الطيور المائية: البجع، والنحام، والخرشناوات. هو يقود الطائرة، لكن الذكاء الاصطناعي يحلل الصور لعد الأفراد في السرب، مما يسرّع التحليل بآلاف الساعات لكل مسح، حسب تقديره. والوقت عامل حاسم.
منذ عام 1970، انخفضت أعداد مجموعات الحياة البرية بأكثر من سبعين بالمئة. يمر العالم بأزمة تنوع بيولوجي حادة، ووفقًا لبعض الباحثين، يشهد الانقراض الجماعي السادس. لقد تحمل الكوكب سابقًا خمسة أحداث انقراض جماعي، كان آخرها إيذانًا بنهاية العصر الطباشيري: زمن اصطدام الكويكب الشهير الذي أطلق شتاءً نوويًا وقتل الديناصورات. كان ذلك قبل ستة وستين مليون سنة.
لإنقاذ الأنواع من حافة الانقراض، يجب أولاً أن تعرف ما لديك، وكم عدده – وهو غالبًا ما يكون قوله أسهل من فعله، خاصة في المجالات التي يوجد بها الكثير لعده. يقدر العلماء أنه تم تحديد أقل من 20 بالمئة من أنواع الحشرات على الأرض. بعد أن راجع الذكاء الاصطناعي لقطات كاميرات المراقبة (الفخاخ الكاميرية) لمدة أسبوع واحد فقط في بنما، يقول الباحثون إنهم وجدوا أكثر من 300 نوع لم تكن معروفة للعلم سابقًا.
فرضية استخدام الذكاء الاصطناعي في البحث العلمي لا تخلو من المنتقدين. يشير مؤيدو التكنولوجيا المتقدمة في الحفاظ على البيئة إلى قدرة الذكاء الاصطناعي على تحليل مجموعات بيانات ضخمة في ثوانٍ، الأمر الذي قد يستغرق شهورًا لولاه، وعلى فك رموز الأنماط في تفاعلات الأنواع وتوزيعاتها التي لا يمكن للبشر اكتشافها، وكشف مجموعة مذهلة من الجينومات. بينما يشير المنتقدون إلى تأثيره البيئي، وإمكانية التحيز، والمعايير الأخلاقية غير الكافية.
يتركز الكثير من عمل الذكاء الاصطناعي في الحفاظ على البيئة على تحليل آلاف الساعات من اللقطات المأخوذة من الكاميرات البعيدة أو المسوحات الجوية، ولكن من غير المرجح أن يتوقف الأمر عند هذا الحد. في الوقت الحالي، يركز الباحثون على معالجة اللقطات باستخدام نماذج اكتشاف الكائنات، وهي نوع من الذكاء الاصطناعي يمكنه تحديد وتحديد موقع الكائنات داخل صورة أو مقطع فيديو. غالبًا ما تُبنى هذه النماذج باستخدام الشبكات العصبية الالتفافية (CNNs) ويتم تدريبها لتحديد الأنواع أو اكتشاف وجودها أو غيابها.
غالبًا ما تثير المشاريع التي تستخدم الذكاء الاصطناعي “لإنقاذ الأنواع” ضجة إعلامية. أثار باحثون في جنوب إفريقيا وابلًا من العناوين الرئيسية تتساءل عما إذا كان بإمكان الذكاء الاصطناعي إنقاذ “أكثر نباتات العالم وحدة”. نشر العلماء طائرات بدون طيار فوق مساحات يتعذر الوصول إليها من غابة نغوي الكثيفة بحثًا عن شريكة أنثى لنبتة سيكاد ذكر موجودة في حدائق كيو النباتية بلندن. قام الذكاء الاصطناعي بمسح اللقطات بحثًا عن علامات لنوع يُعتبر منقرضًا في البرية، والذي يأمل الباحثون أنه ليس منقرضًا حقًا – فقط مختبئ تحت الظلة النباتية. لكن البعض يقول إن هذه العناوين مبالغ فيها دون النظر في العواقب.
“هناك موجة عارمة من الأبحاث المتحمسة حول تطبيقات الذكاء الاصطناعي، وأبحاث نقدية أقل بكثير تبحث في التكاليف، بيئيًا واجتماعيًا،” كما قال هاميش فان دير فين، رئيس مختبر الأعمال والاستدامة والتكنولوجيا في جامعة كولومبيا البريطانية.
يمكن أن تستهلك عملية تدريب نموذج الذكاء الاصطناعي، مثل نموذج لغوي كبير (LLM)، أكثر من ألف ميجاوات ساعة من الكهرباء. المشكلة الأقل وضوحًا، كما يقول شاولي رين، الذي يركز بحثه على تقليل الآثار الصحية للذكاء الاصطناعي، هي استهلاك مراكز البيانات للمياه.
تضم مراكز البيانات البنية التحتية اللازمة لتوفير قوة المعالجة للذكاء الاصطناعي، ويجب تبريد كل هذه التكنولوجيا، عادةً عن طريق المياه العذبة من إمدادات المياه المحلية. نظرًا لاحتياجات التبريد، من المتوقع أن يسحب الذكاء الاصطناعي ما بين 4.2 مليار و 6.6 مليار متر مكعب من المياه سنويًا بحلول عام 2027، يُفقد جزء كبير منها بالتبخر. ولا يتم الشعور بالتأثير البيئي بشكل متساوٍ، حيث تصدر شركات التكنولوجيا العملاقة مراكز بياناتها إلى الخارج. أثارت خطة جوجل لإنشاء مراكز بيانات جديدة في أمريكا اللاتينية احتجاجات ضخمة في تشيلي وأوروغواي، وهي مناطق غنية بالتنوع البيولوجي تعاني بالفعل من جفاف حاد.
وقال رين: “تخلق مراكز البيانات أيضًا أزمة صحة عامة بسبب ملوثات الهواء المنبعثة، بما في ذلك الجسيمات الدقيقة (PM2.5) وأكسيد النيتروز (NOx)”. من المتوقع أن يكلف عبء الصحة العامة الناجم عن مراكز البيانات في الولايات المتحدة – والتي تقع أساسًا في المناطق منخفضة الدخل – عشرين مليار دولار بحلول عام 2030.
ومع ذلك، فإن بصمة معظم أعمال الذكاء الاصطناعي التي يقوم بها علماء الأحياء، في الوقت الحالي، ضئيلة. من جانبه، لدى ديلبلانك جهاز كمبيوتر محلي واحد يعالج الصور، واستغرق تدريب نموذجه HerdNet – الذي يساعد في إحصاء أعداد الحيوانات المتكدسة بكثافة، مثل الفيلة والظباء في السافانا – حوالي اثنتي عشرة ساعة، مقارنة بالنماذج اللغوية الكبيرة التي تعمل على خوادم ضخمة تعمل لأسابيع أثناء عملية التدريب.
تقول لورا بولوك، الأستاذة المساعدة في علم البيئة الكمي بجامعة ماكغيل، والتي تهدف إلى نشر الذكاء الاصطناعي لاستقراء تفاعلات الأنواع: “لدينا هذا القلق كعلماء طوال الوقت: هل نحن في الواقع نضر بالبيئة التي نحاول مساعدتها؟ على الأقل بالنسبة للحالات التي نتحدث عنها، لا أعتقد ذلك، لأن النماذج التي نديرها ليست ضخمة – إنها كبيرة بالنسبة لنا، ولكنها ليست مثل البيانات الضخمة لشبكات التواصل الاجتماعي”.
لكن عالمة البيئة الحاسوبية تانيا بيرغر-وولف تجادل بأن التطبيقات الحالية منخفضة الطاقة لا تسخر الإمكانات الكاملة للتكنولوجيا، مشيرة إلى التعرف على الصور على أنه “ذكاء اصطناعي من الطراز القديم”. شاركت بيرغر-وولف وبولوك في تأليف ورقة بحثية تستكشف “الإمكانات غير المحققة للذكاء الاصطناعي” لتوسيع نطاق المعرفة بالتنوع البيولوجي.
تقول بيرغر-وولف: “نريد أن نتجاوز توسيع نطاق وتسريع ما يفعله الناس بالفعل إلى شيء جديد، مثل توليد فرضيات قابلة للاختبار أو استخلاص أنماط ومجموعات غير مرئية”.
تقول بولوك: “ما كنا نفعله بالذكاء الاصطناعي حتى الآن واضح، وهو كل هذا الاكتشاف السريع للصور والمراقبة الصوتية، ولكن يجب أن نفعل أكثر من ذلك بكثير: استخدام الذكاء الاصطناعي لطرح الأسئلة البيئية الصحيحة”.
أحد التطبيقات المحتملة التي تثير الاهتمام، سواء بالتصفيق أو الاستنكار، هو مفهوم استخدام الذكاء الاصطناعي لفك شفرة تواصل الحيوانات. يستخدم مشروع أنواع الأرض (Earth Species Project) الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة على أمل بناء مترجم للتواصل مع الحياة غير البشرية. هناك أيضًا مشروع CETI، الذي يركز على استخدام نهج مماثل لفهم حيتان العنبر، التي تتواصل عبر نقرات تشبه شفرة مورس يمكن، نظريًا، فك شفرتها. بالفعل، تمكن العلماء من توظيف تعلم الآلة للإشارة إلى أن الفيلة تخاطب الأفراد في عائلتها بأسماء فريدة. لكن الفرضية الأكبر لفك شفرة تواصل الحيوانات تثير تساؤلات أخلاقية ومخاوف بشأن النجاح. بعبارة أخرى: هل ستنجح؟ هل هو إهدار للموارد للمحاولة؟ هل يجب أن نتحدث إلى الحيوانات أصلاً؟
حذرت بيرغر-وولف قائلة: “علينا أن نختار الأماكن التي ستحدث فيها هذه النماذج فرقًا، وليس مجرد استخدامها لأن لديك لعبة جديدة لامعة”. التطبيقات مثل النماذج اللغوية الكبيرة تسبب بصمة بيئية كبيرة، لذا فمن “غير المسؤول إنفاق الموارد إذا لم تتغير نتائج البحث. والبيانات مورد”.
النماذج تكون جيدة فقط بقدر جودة البيانات التي يتم تدريبها عليها، مما قد يؤدي إلى التحيز وسوء تحديد أولويات إجراءات الحفظ. تشمل إحدى المشكلات الأكثر شيوعًا التحيز المكاني، حيث تكون الأنواع ممثلة بشكل مفرط في مناطق معينة في مجموعات البيانات، والتحيز التصنيفي، حيث تتلقى الأنواع الجذابة مثل الباندا تمويلًا أكبر وبالتالي يتوفر عنها بيانات أكثر من، على سبيل المثال، خنفساء مغمورة. لكن الذكاء الاصطناعي يمكن أن يحيز تصوراتنا وحتى يشكل بمهارة الأسئلة التي نطرحها، كما جادل فان دير فين، الذي ألف ورقة بحثية حول كيفية تقليل النماذج اللغوية الكبيرة من شأن التحديات البيئية.
وقال: “هناك خيارات أكثر بكثير للذكاء الاصطناعي لتقديم التحيز، واستخراج الموارد، ودفع الاستهلاك المفرط مقارنة بتطبيقات الحفظ. لو كان بإمكاني التلويح بعصا سحرية وإلغاء اختراع الذكاء الاصطناعي، لفعلت”. وأضاف: “إذا وازننا الفوائد للحفظ مقابل مدى فعالية استخدام أمازون للذكاء الاصطناعي لجعل المستهلكين يشترون المزيد من الأشياء، فهو مقياس غير متكافئ إلى حد كبير”.
في عام 2024، أعلنت جوجل من جانبها عن نشر نموذج ذكاء اصطناعي للاستماع إلى الشعاب المرجانية: SurfPerch. تلعب الصوتيات الحيوية دورًا رئيسيًا في تقييم استقرار الشعاب – فالشعاب الأكثر صحة تبدو مختلفة – ويحلل SurfPerch البصمات الصوتية لقياس نجاح جهود استعادة المرجان أو تحديد التهديدات الوشيكة. في وقت قريب من نشر الأداة، أعلنت جوجل أيضًا أنها لا تفي بأهداف المناخ المتعهد بها بسبب المتطلبات البيئية للذكاء الاصطناعي.
قالت بيرغر-وولف: “ليس من النفاق استخدام الذكاء الاصطناعي في الحفظ – إنه فقط يحتاج إلى استخدامه بمسؤولية”. ولكن عندما يتعلق الأمر بالتنظيم، فإن لا التنوع البيولوجي ولا الذكاء الاصطناعي يتوافقان بدقة مع الحدود الجيوسياسية، كما تأملت.
