زباله‌های پلاستیکی به بخشی جدایی‌ناپذیر از بافت اقیانوس‌های ما تبدیل شده‌اند؛ حیات دریایی را تهدید می‌کنند، اکوسیستم‌ها را برهم می‌زنند و بر اقتصاد جهانی تأثیر می‌گذارند. سال‌ها تلاش برای حل این بحران، با چالش‌هایی چون وسعت عظیم آلودگی و محیط‌های در حال تغییر روبه‌رو بوده است.
اما اکنون، نیرویی تازه و قدرتمند در حال شکل‌گیری است: هوش مصنوعی (AI). مطالعه‌ای نوآورانه مسیر جدیدی برای تسریع پاکسازی اقیانوس‌ها ارائه کرده است.
این تحقیق نشان می‌دهد که استفاده از الگوریتم‌های هوش مصنوعی می‌تواند بیش از ۶۰ درصد کارایی جمع‌آوری زباله‌های پلاستیکی را افزایش دهد؛ جهشی چشم‌گیر که رویای اقیانوس‌های عاری از پلاستیک را به واقعیت نزدیک‌تر می‌کند.
انقلابی در پاکسازی اقیانوس‌ها با هوش مصنوعی
محدودیت روش‌های سنتی
تا پیش از این، تلاش‌های جمع‌آوری پلاستیک در اقیانوس عمدتاً بر اساس مسیرهای ساده و دستی انجام می‌شد. کشتی‌ها اغلب بدون در نظر گرفتن تغییر چگالی زباله یا شرایط جوی، به دنبال پلاستیک شناور حرکت می‌کردند.
تحولی در مدل‌سازی و بهینه‌سازی مسیرها
تحقیق جدید، که بین سال‌های ۲۰۲۲ تا ۲۰۲۴ انجام شده، روند جمع‌آوری را به شکلی بنیادین بازآفرینی می‌کند. تیم پژوهشگر، مدلی غیرخطی و پویا برای بهینه‌سازی مسیرها طراحی کرده که در عرض چند ثانیه می‌تواند مؤثرترین مسیرهای جمع‌آوری پلاستیک را در مناطق وسیع اقیانوسی بیابد.
این مدل متغیرهایی چون چگالی پلاستیک، الگوهای جوی و تأثیرات زیست‌محیطی خود سیستم را در نظر می‌گیرد، و بدون افزایش هزینه‌های عملیاتی، نتایج بسیار بهتری را ارائه می‌دهد.
دیک دن هرتوگ از دانشگاه آمستردام می‌گوید:
«با بهره‌گیری از تحلیل‌های پیشرفته، می‌توانیم تلاش‌ها برای پاکسازی اقیانوس را به طرز چشم‌گیری بهبود دهیم.»
هسته مدل هوش مصنوعی: یافتن بهترین مسیرها
مدل ریاضی پیشرفته
در قلب این نوآوری، مدلی پیچیده از ریاضیات قرار دارد. پژوهشگران مسئله مسیر‌یابی را به صورت «مسئله طولانی‌ترین مسیر» در یک گراف از اقیانوس مدل‌سازی کرده‌اند؛ گرافی که در آن گره‌ها نقاط مکانی و یال‌ها مسیرهای ممکن بین این نقاط هستند.
چالش بهینه‌سازی غیردقیق در زمان واقعی
هدف فقط حرکت از نقطه‌ای به نقطه دیگر نبود، بلکه حداکثرسازی جمع‌آوری پلاستیک در طول زمان بود. حرکت هر کشتی بر توزیع پلاستیک در آینده تأثیر می‌گذاشت؛ مسأله‌ای بسیار پیچیده و غیرخطی.
حل مسأله با برنامه‌ریزی پویا
تیم تحقیق، روش جست‌وجو و تحدید (Search-and-Bound) را با استفاده از برنامه‌ریزی پویا طراحی کرد. این سیستم می‌تواند راه‌حل‌هایی بسیار نزدیک به حالت بهینه نظری را ارائه دهد.
در آزمایش‌هایی با داده‌های یک‌ساله از وضعیت دریا و تراکم پلاستیک، این سیستم بیش از ۶۰ درصد نسبت به روش‌های سنتی عملکرد بهتری در جمع‌آوری زباله پلاستیکی داشت.
آلودگی پلاستیک؛ بحرانی که به راه‌حل‌های نو نیاز دارد
آمار تکان‌دهنده از آلودگی پلاستیک
برآوردهای جدید نشان می‌دهند بیش از ۱۷۰ تریلیون ذره پلاستیکی در دریاها شناورند. با وجود توجه جهانی به تغییرات اقلیمی، آلودگی پلاستیکی هنوز یک بحران فوری و در عین حال کم‌توجه‌شده باقی مانده است.
ژان پوفیله از مدرسه بازرگانی لندن می‌گوید:
«این پژوهش نشان می‌دهد که هوش مصنوعی فقط برای فین‌تک و بازارهای مالی نیست؛ می‌تواند مستقیماً بحران‌های زیست‌محیطی را هم هدف بگیرد.»
ورود هوش مصنوعی به عملیات واقعی پاکسازی اقیانوس
بر خلاف بسیاری از نوآوری‌های دانشگاهی که در مرحله تئوری باقی می‌مانند، این مدل به سرعت وارد فاز عملیاتی شده است.
ادغام با پروژه Ocean Cleanup
سازمان The Ocean Cleanup الگوریتم مسیر‌یابی را وارد نرم‌افزار عملیاتی خود کرده و در اقیانوس آرام به‌کار گرفته است. نتایج نشان می‌دهد تیم‌های پاکسازی می‌توانند در مدت کمتر، حجم بیشتری از زباله را با حداقل وقفه جمع‌آوری کنند.
دو کشتی، صفحه‌ای U شکل را به دنبال خود می‌کشند که پلاستیک را به دام می‌اندازد، بدون آنکه به موجودات دریایی آسیب برساند.
برنامه‌ریزی زمانی حیاتی است
با توجه به محدود بودن ظرفیت نگهداری زباله در منطقه نگهداری و تأثیر شرایط جوی، برنامه‌ریزی دقیق ضروری است. مدل مبتنی بر هوش مصنوعی علاوه بر مسیر‌یابی، برنامه‌ریزی زمان تخلیه را نیز بهینه می‌کند و کارایی عملیات را حتی در شرایط نامساعد افزایش می‌دهد.
این پروژه در راستای هدف چهاردهم توسعه پایدار سازمان ملل (زندگی زیر آب) قرار دارد و بدون نیاز به زیرساخت جدید، کارایی عملیات پاکسازی را افزایش می‌دهد.
مدیریت شرایط جوی با هوش مصنوعی
یکی از یافته‌های جالب تحقیق این بود که در فصل زمستان، وقتی موج‌های بلند مانع عملیات می‌شوند، مدل هوش مصنوعی کارایی دو برابری نسبت به روش‌های سنتی داشت.
این مدل می‌تواند شرایط سخت را پیش‌بینی کرده، زمان بیکاری را کاهش دهد و حتی در بدترین شرایط نیز عملیات مؤثر باشد.
بهبود طراحی سیستم برای افزایش سرعت جمع‌آوری
فراتر از بهبود عملیات فعلی، پژوهشگران ارزیابی کردند که چطور مدل بهینه‌سازی می‌تواند طراحی فناوری‌های آینده را هدایت کند.
افزایش بازه و سرعت تخلیه
دو گزینه طراحی مورد بررسی قرار گرفت:
- افزایش عرض سیستم جمع‌آوری پلاستیک
- کاهش زمان تخلیه پلاستیک جمع‌آوری‌شده
نتایج نشان داد گزینه دوم تأثیر بیشتری دارد. کاهش فقط چند ساعت از زمان تخلیه می‌تواند نرخ جمع‌آوری هفتگی در تابستان را دو برابر و در زمستان بیش از ۶۰ درصد افزایش دهد.
برونو سنت-روز از پروژه The Ocean Cleanup می‌گوید:
«تحقیقات ما نشان می‌دهد که بهینه‌سازی با هوش مصنوعی می‌تواند واقعاً نقطه عطفی برای حفاظت از محیط‌زیست باشد.»
افزایش توان پاکسازی فراتر از اقیانوس‌ها
گسترش کاربرد الگوریتم به سایر بحران‌ها
درس‌های این پژوهش فقط محدود به پاکسازی اقیانوس‌ها نیست. مدل بهینه‌سازی مبتنی بر هوش مصنوعی می‌تواند تأثیر سایر اقدامات زیست‌محیطی را نیز چند برابر کند؛ بدون نیاز به سرمایه‌گذاری کلان.
از مدیریت رودخانه‌ها گرفته تا پاسخ به نشت نفت و عملیات بازیابی پس از بلایای طبیعی، اصول پشت این مدل می‌توانند به عنوان چارچوبی عمومی برای حل چالش‌های جهانی زیست‌محیطی مورد استفاده قرار گیرند.
به سوی آینده‌ای بدون پلاستیک
چشم‌انداز تازه برای نجات اقیانوس‌ها
اقیانوس‌ها نقش حیاتی در تنظیم اقلیم، تأمین غذا و پایداری اکوسیستم‌ها دارند. اما آلودگی پلاستیکی تهدیدی بی‌سابقه برای آن‌هاست.
این تحقیق پیشگامانه نشان می‌دهد که ترکیب هوش مصنوعی با اقدامات محیط‌زیستی می‌تواند رؤیای اقیانوس‌های عاری از پلاستیک را به واقعیت تبدیل کند.
اکنون علم، فناوری و نگاه‌های خلاقانه در کنار هم به یاری «قلب آبی» سیاره زمین آمده‌اند.
این مطالعه در مجله Operations Research منتشر شده است.
