This Climate Does Not Exist — أداة تستخدم الذكاء الاصطناعي لتصور تغير المناخ
أثار القلق من الارتفاع الحاد في عدد الكوارث الطبيعية حول العالم، طوّر فريق من باحثي الذكاء الاصطناعي من معهد Mila (معهد كيبيك للذكاء الاصطناعي) موقعاً إلكترونياً يتيح للناس رؤية الأثر المحتمل لتغير المناخ على أي عنوان في أي نقطة من الكوكب.
كيف سيبدو مكان ما إذا اجتاحته فيضانات عارمة أو حرائق غابات أو ضباب دخاني؟ باستخدام فئة من خوارزميات تعلم الآلة تُسمى الشبكات التوليدية التنافسية (GAN)، يقوم موقع This Climate Does Not Exist بإنشاء فلتر واقعي لتأثير تغير المناخ على هذا المكان في Google Street View.
تزيد هذه التجربة وعي المستخدمين بالسيناريوهات المحتملة إذا ظلت استجابة العالم لتغير المناخ غير فعالة. ويُعد المشروع ثمرة عمل استمر عامين. وقد حشد أكثر من 30 خبيراً وموظفاً بقيادة يوشوا بنجيو، بمن فيهم كبار الباحثين في الشركة ساشا لوتشيوني وفيكتور شميت وأليكس إرنانديز-غارسيا. وقد أصبح ذلك ممكناً بفضل المساهمات المالية والتقنية لكثير من الشركاء.
This Climate Does Not Exist تجربة قائمة على الذكاء الاصطناعي والتعاطف، تتيح للمستخدمين تخيل أثر أزمة المناخ الراهنة على البيئة. الشبكات التوليدية التنافسية (GAN) هي فئة من أطر تعلم الآلة تمكّن الحاسوب من إنشاء الصور وتحويلها.
أطلق الباحثون على المشروع اسم «هذا المناخ غير موجود» للتأكيد على أن تغير المناخ يُحدث عواقب مروعة حول العالم الآن، حتى إن لم تكن تعيشها في فناء منزلك. كما أنه إشارة إلى اتجاه يستخدم الذكاء الاصطناعي لإنشاء صور لأشياء غير واقعية، مثل أشخاص وقطط وفراشات وحتى أقدام.
«اخترنا هذا الاسم لنوضح أنه، رغم أن الصور التي يولدها الذكاء الاصطناعي وتعكس عواقب أزمة المناخ ليست حقيقية، فإنها تخدم في رفع الوعي وتحفيز العمل»، هكذا صرح منشئو المشروع. وهم لا يعملون في علم المناخ، لكنهم بذلوا كل ما في وسعهم لجمع مصادر موثوقة من شركاء مثل شبكة العمل المناخي.
يُظهر علماء الحاسوب اهتماماً كبيراً بتغير المناخ وتأثيره على البيئة. وقد قرروا استخدام الذكاء الاصطناعي لجعل العالم أفضل. يُعد تغير المناخ تحدياً خطيراً للبشرية. ويتطلب منع عواقبه الكارثية تغييرات في السياسات وفي سلوك الناس على حد سواء.
غير أن كثيراً من التحيزات المعرفية تمنع الناس من التحرك، نظراً إلى أن تغير المناخ ظاهرة مجردة يصعب إدراكها كتهديد مباشر لنا. ويؤدي ذلك إلى التباعد النفسي، حيث يمكن أن ترتبط هذه المسافة المدركة بالزمن (لأن آثار تغير المناخ تقع في المستقبل) وبالمكان (لأن كثيراً من آثاره تحدث بعيداً عنا).
تُظهر الدراسات أن عرض صور لآثار تغير المناخ على الناس — مدن غارقة، وغابات دمرتها الحرائق، ومدن يغلفها الضباب الدخاني — قد يساعد على تقليص هذا البعد النفسي، خاصة إذا كانت الأماكن مألوفة للمشاهد.
«نعتقد أن استخدام الذكاء الاصطناعي لإنشاء صور لآثار مناخية شخصية سيكون فعالاً بوجه خاص في تجاوز العقبات أمام العمل ورفع الوعي بهذه القضية المهمة. ونأمل أن يتيح هذا المشروع للمشاهدين إعادة النظر في تحيزاتهم المعرفية واتخاذ إجراءات، سواء كأفراد أو كأعضاء في المجتمع العالمي، لوقف تغير المناخ»، هكذا صرح العلماء.
اختُرعت الشبكات التوليدية التنافسية (GAN) في مونتريال عام 2014، ما منح الذكاء الاصطناعي القدرة على توليد محتوى جديد، مثل الصور والنصوص وحتى الموسيقى. في البداية تعلمت الشبكات إنشاء صورة لإنسان من مجموعة أمثلة، مثل صور أشخاص مختلفين. ثم طُورت لتتيح تحويل مجموعة صور إلى مجموعة أخرى. وقد نُفذت هذه العملية للمرة الأولى في بنية CycleGAN، التي تتيح تحويل الخيول إلى حمير وحشية، والتفاح إلى برتقال، والمناظر الشتوية إلى صيفية.
الشبكات التوليدية التنافسية أو GAN هي نماذج ذكاء اصطناعي تتكون من شبكتين عصبيتين: مولّد ومميّز. وتتنافس هاتان الشبكتان فيما بينهما. هدف المولّد خداع المميّز عبر إنشاء صور واقعية قدر الإمكان، مثل شوارع غارقة بالمياه، في حين يحاول المميّز تمييز الصور التي ينشئها المولّد عن الصور الحقيقية للمشاهد المغمورة. وتدفع هذه العملية المولّد إلى تحسين جودة الصور تدريجياً وخداع المميّز بصورة متزايدة.
في نهاية عملية التدريب، ينبغي أن تكون الصور التي ينشئها المولّد غير قابلة للتمييز عن الصور الحقيقية. ويُسمى ذلك «التقارب». وعملياً يصعب تحقيق هذا التشابه، لأن الصور تحمل عدداً كبيراً من الخصائص والسمات، لذلك يضطر المولّد إلى تعلم دالة رياضية معقدة للغاية كي ينشئ صوراً واقعية. ولهذا السبب احتاج الباحثون عدة أشهر لتطوير الشبكات التوليدية التنافسية وتدريبها.
على وجه الخصوص، يقسم نهجهم مهمة إنشاء الحوادث إلى عدة أجزاء. يركز الجزء الأول على تعلم «تمثيل» عام، وهو مجموعة من الأرقام تكثف المعلومات الواردة في الصور. ويستخدم الجزء الثاني هذه المعلومات لإنشاء أحداث مختلفة من التمثيل نفسه. وهذا يوفر خط معالجة فعالاً، لا يحتاج فيه العلماء إلى معالجة الصورة المدخلة عدة مرات لإنشاء تصور لأحداث مختلفة. بل يعيدون استخدام مرحلة «الترميز» الوسيطة لمحتوى الصورة.
لتصوير الضباب الدخاني، يُستخدم التمثيل الوسيط لإنشاء خريطة عمق تتنبأ بمسافة كل بكسل عن الكاميرا، بحيث يمكن تدريج الضباب بشكل صحيح، وتكون الأجسام البعيدة أقل وضوحاً من القريبة.
لإنشاء صورة حريق غابات، يستخدم الباحثون التمثيل العام لإنشاء «قناع للسماء» يتنبأ بالبكسلات في الصورة المدخلة التي تنتمي إلى السماء، بحيث يمكن تلوينها باللون البرتقالي، وتطبيق بعض التمويه، ثم ضبط التباين العام.
أخيراً، لمحاكاة الفيضان، تُعالج الصورة العامة لاستخراج «قناع الفيضان» الذي يبين أين يجب إضافة الماء في المشهد الأصلي. ثم يُستخدم هذا القناع في الجزء الأخير من اللغز، وهو شبكة عصبية أخرى مهمتها رسم الماء على الصورة المدخلة استناداً إلى قناع الفيضان ومع مراعاة سياق الصورة المدخلة.
ميلا معهد بحثي في الذكاء الاصطناعي، تأسس عام 1993 على يد البروفيسور يوشوا بنجيو من جامعة مونتريال. ويضم المعهد أكثر من 500 باحث متخصص في تعلم الآلة. ورسالة ميلا أن تكون قطباً عالمياً للإنجازات العلمية التي تُلهم الابتكار وتطوير الذكاء الاصطناعي لصالح الجميع.
حصلت المنظمة غير الربحية على اعتراف دولي بفضل إسهامها الكبير في تعلم الآلة، لا سيما في مجالات نمذجة اللغة والترجمة الآلية والتعرف على الأجسام والنماذج التوليدية.
