شهد العالم خلال العقود الأخيرة طفرة في التقنيات الرقمية والتي من اهمها تطور الذكاء الاصطناعي (Artificial Intelligence)، الذي انتقل من كونه فكرة أكاديمية إلى واقع ملموس يخدم الإنسان في مختلف المجالات. وفي الوقت ذاته، برزت برامج النمذجة والمحاكاة (Modeling and Simulation) كأدوات علمية لا غنى عنها في البحث البيئي والبحث العلمي والكثير يخلط بينهما ، مما استدعى التمييز بين المفهومين رغم ارتباطهما الوثيق.
أولًا نوضح بدايات الذكاء الاصطناعي
والتى ربما تكون معلومات صادمة للبعض تعود جذور الذكاء الاصطناعي إلى عام 1956 حين طُرحت فكرته في مؤتمر “دارتموث” بالولايات المتحدة، باعتبارها محاولة لجعل الحاسوب “يفكر ويتعلم” مثل الإنسان. وقوبلت هذه الفكرة بالرفض والاستنكار كاي فكرة جديدة.
وفي العقود التالية، تطورت خوارزميات تعلم الآلة (Machine Learning) والتعلم العميق (Deep Learning)، وأصبحت قادرة على تحليل كميات ضخمة من البيانات واستخلاص الأنماط، مما مهّد الطريق لاستخدامها في الأبحاث البيئية، حيث الدقة والتنبؤ عنصران أساسيان.
ثانيًا: التمييز بين الذكاء الاصطناعي والنمذجة العلمية
من الضروري الإشارة إلى أن هناك فرقًا جوهريًا بين الذكاء الاصطناعي وبرامج النمذجة التي يستخدمها الباحثون في المجال البيئي:
بداية معظم برامج النمذجة البيئية (Environmental Modeling Tools) مثل AERMOD، وWRF، وSWAT، وCOMSOL، تهدف إلى محاكاة العمليات البيئية (كحركة الملوثات في الهواء أو المياه، أو التغيرات المناخية)، اعتمادًا على معادلات فيزيائية ورياضية محددة
مسبقًا وبيانات أولية تعطى يغذي بها برنامج النمذجة حتى يتمكن من عمل الحسابات عبر هذه المعادلة والبيانات الأولية.
أما الذكاء الاصطناعي فيعتمد على البيانات الضخمة والتعلم الذاتي، أي أنه لا يتبع معادلة ثابتة، بل “يتعلم” من البيانات السابقة ليُحسّن أداءه ويتنبأ بالنتائج المستقبلية حتى في الحالات المعقدة.
وبالتالي، فإن استخدام الباحثين لبرامج النمذجة في الأبحاث البيئية لا يُعتبر ذكاءً اصطناعيًا بالضرورة، إلا إذا تم دمج هذه النماذج مع خوارزميات تعلم آلي أو شبكات عصبية لتحسين دقة التنبؤ أو تحليل الأنماط غير الخطية في البيانات.
بعد توضيحز الفرق بين النمذجة والذكاء الاصطناعي ما يخصنا كمهتمين بمجال البيئة والاستدامة
معرفة تطبيقات الذكاء الاصطناعي في المجال البيئي
لقد أصبح الذكاء الاصطناعي اليوم أحد الأعمدة الرئيسية في إدارة البيئة ومواجهة التغير المناخي. ومن أبرز تطبيقاته:
1. التنبؤ بالتغيرات المناخية:
تُستخدم خوارزميات التعلم الآلي لتحليل بيانات الأقمار الصناعية والتغيرات الجوية طويلة المدى، للتنبؤ بدرجات الحرارة، وهطول الأمطار، ومستويات الغازات الدفيئة.
2. رصد جودة الهواء والمياه:
تُمكّن أنظمة الذكاء الاصطناعي من تحليل بيانات أجهزة الاستشعار في الوقت الفعلي، والتعرف على مصادر التلوث بدقة، واقتراح الإجراءات التصحيحية الفورية.
3. تحسين كفاءة الطاقة وإدارة النفايات:
تُستخدم الخوارزميات الذكية في تصميم المدن المستدامة، وتحسين توزيع الطاقة، وتطوير نظم ذكية لإدارة المخلفات الصلبة.
4. حماية التنوع البيولوجي:
تُستخدم تقنيات التعلم العميق لتحليل الصور والفيديوهات في الغابات والمحميات، لرصد الأنواع النادرة وتحديد أماكنها بدقة.
وجب علينا ان نوضح اننا نستطيع ان نحدث تكامل النمذجة والذكاء الاصطناعي
الاتجاه الحديث في البحث العلمي البيئي يسعى إلى دمج النمذجة الرياضية التقليدية مع الذكاء الاصطناعي، بحيث يتمكن الباحث من استخدام نتائج النماذج الفيزيائية كأساس، ثم تطويرها بخوارزميات تعلم آلي لزيادة الدقة وتقليل هامش الخطأ.
على سبيل المثال، يمكن لنظام نمذجة تلوث الهواء أن يعتمد على معادلات AERMOD، بينما يتولى الذكاء الاصطناعي تحسين التنبؤ بناءً على بيانات حقيقية محدثة.
لابد ان ندرك جميعا إن الذكاء الاصطناعي لم يعد رفاهية علمية، بل أصبح أداة استراتيجية لتحقيق أهداف الاستدامة البيئية. ومع ذلك، ينبغي على الباحثين والمهندسين التمييز الواضح بين استخدام النماذج الرياضية الثابتة والخوارزميات الذكية المتعلمة، لضمان الفهم الدقيق وتكامل الجهود العلمية نحو بيئة أكثر نظافة وتوازنًا.
بقلم :ا.د الهام فاروق عبدالعزيز محمد
استاذ التحكم بملوثات الهواء دكتوراه بالهندسه البيئيه وسفير الاستدامة
بقلم :
ا.د الهام فاروق عبدالعزيز محمد
استاذ التحكم بالهواء دكتوراه بالهندسه البيئي وسفير الاستدامة
