Науковці з UMaine використовують AI для вивчення морського снігу

Постійний "снігопад" дрібних частинок переносить вуглець, поживні речовини та забруднення з поверхні океану до його глибин. Науковці можуть спостерігати, як ці частинки занурюються, але точно визначити, що саме вони містять, більш складно.

Дослідники з Університету Мену звернулися до штучного інтелекту, щоб розв'язати цю проблему.

Вони розробляють AI-інструменти, які можуть визначити хімічний склад "морського снігу" — частинок, що складаються з органічної речовини, мінералів та інших матеріалів, які постійно занурюються в океан.

Цей підхід, за умови успіху, може допомогти вченим отримати більше інформації з підводних зображень, які вони вже збирають, зменшивши час, витрачений на ручну класифікацію частинок і поліпшивши оцінки того, як матеріали переміщуються в океані.

Національний науковий фонд виділив близько 700 тисяч доларів дослідникам UMaine Мег Естапа та Чаофану Чену на трирічний проект, який стартує у січні 2027 року і триватиме до грудня 2029 року.

Навчаємо AI розуміти океан

Естапа та Чен разом із колегою Мелісою Оманд з Університету Род-Айленду вивчатимуть, чи може AI заповнити цю прогалину, прогнозуючи склад частинок за характеристиками, видимими на підводних зображеннях.

Хоча вчені вже багато років використовують інструменти аналізу зображень для вивчення морського снігу, багато з цих робіт залишаються трудомісткими. Естапа згадує, що один з її аспірантів витратив місяці на класифікацію частинок із підводних зображень.

Її власна дослідницька робота з частинками в океані розвивалася протягом понад двох десятиліть. На початку кар'єри вона підбирала водні зразки в морі, приносила їх до лабораторії та витрачала значний час на їх аналіз.

AI може пришвидшити цей процес, дозволяючи вченим збирати та інтерпретувати більше інформації, зосереджуючись на науковому аналізі та відкриттях.

Дослідники використовуватимуть дані з шести великих океанографічних польових кампаній, щоб перевірити, чи можуть групи частинок, видимі на зображеннях, точно прогнозувати їх хімічний склад. Дані включають зображення, зібрані з вод, що прилягають до Західної Африки, Північного Атлантики та тропічних регіонів.

Вивчення складу морського снігу

Проект також надасть міждисциплінарне навчання для аспірантів у галузі штучного інтелекту та океанографії, поєднуючи передові дослідження з практичним навчанням відповідно до місії UMaine.

На першому етапі проекту група Естапи створить базу даних, яка поєднує зображення морського снігу з інформацією про те, що містять частинки, скільки мікропластику присутньо і де були зібрані зразки. Деякі фізичні зразки також пройдуть лабораторний аналіз.

Чен розробить AI-моделі, які зможуть навчатися на цій інформації, а також допомагати науковцям зрозуміти, як моделі доходять до своїх висновків.

"Основна мета — розширити застосування цих технік," — зазначив Чен. "Ми більше зацікавлені в розробці нейронних мереж, які легко пояснюють свої висновки людям."

Цей акцент на інтерпретованості є центральним для проекту. Замість того, щоб створити "чорну скриньку", яка робить прогнози без пояснень, Естапа та Чен планують розробити модель, яка покаже вченим, які характеристики вплинули на її висновки.

"Кожен новий науковий інструмент потрібно підходити з обережністю," — зазначила Естапа. "Слід зрозуміти, які переваги має цей інструмент і в яких аспектах він може помилятися."

Визначивши ці слабкості, дослідники можуть з'ясувати, коли інтерпретація AI-моделі не відповідає фізичному чи науковому розумінню, і відповідно поліпшити її.

Відстеження вуглецю, поживних речовин і мікропластику

Мікропластик буде одним з фокусів проекту. Ідентифікуючи та кількісно визначаючи пластикові частинки поряд з природним морським снігом, дослідники сподіваються краще зрозуміти, як забруднення пластиком переходить з поверхневих вод у глибокий океан і через морські кормові мережі.

Ті ж інструменти можуть допомогти дослідникам краще зрозуміти природний цикл вуглецю та поживних речовин в океані.

Цей підхід може знайти застосування й поза океанографією. Наукові галузі, від екології до медицини, все частіше покладаються на складні зображення, які можуть бути важкими та трудомісткими для інтерпретації.

Для Чена цей проект також є новим застосуванням його роботи в області інтерпретованого штучного інтелекту.

"Це буде одним із моїх перших проектів, що фактично використовує AI для наукових відкриттів," — зазначив Чен. "Це буде захоплююче нове заняття для мене."

Якщо підхід виявиться успішним, це дозволить океанографам отримати більше інформації з великих колекцій підводних зображень, зібраних під час дослідницьких експедицій, і краще оцінити, як вуглець, поживні речовини та забруднювачі переміщуються в океані.

"Ми сподіваємося, що цей проект допоможе нам краще зрозуміти наш океан — і наші впливи на океан прямо та опосередковано," — підсумувала Естапа.

Контакт: Девід Нордман, david.nordman@maine.edu