<p>ಭೂಮಿಯ ಮೇಲ್ಮೈಯನ್ನು ಆಕಾಶದಿಂದ ವೀಕ್ಷಿಸುವ ಉಪಗ್ರಹಗಳು ನಮಗೆ ನಿರಂತರವಾಗಿ ದತ್ತಾಂಶಗಳನ್ನು ನೀಡುತ್ತಲೇ ಇರುತ್ತವೆ. ಆದರೆ, ಈ ಉಪಗ್ರಹಗಳು ಕಳುಹಿಸುವ ಚಿತ್ರಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವಾಗ ಒಂದು ದೊಡ್ಡ ಸವಾಲು ಎದುರಾಗುತ್ತದೆ. ಉಪಗ್ರಹದ ಕಣ್ಣಿಗೆ ವಿಶಾಲವಾಗಿ ಹರಡಿರುವ ಕೃಷಿಭೂಮಿಗಳು ಸುಲಭವಾಗಿ ಕಾಣಿಸುತ್ತವೆಯೇ ಹೊರತು, ಸಣ್ಣ ನದಿಗಳು, ದಟ್ಟ ಅರಣ್ಯದ ನಡುವಿನ ಅಪರೂಪದ ಮರಗಳು ಅಥವಾ ಸಣ್ಣ ಜನವಸತಿ ಪ್ರದೇಶಗಳು ಹೆಚ್ಚಾಗಿ ಪತ್ತೆಯಾಗುವುದೇ ಇಲ್ಲ. </p><p>ಈ ಸಮಸ್ಯೆಯನ್ನು ಹೋಗಲಾಡಿಸಲು ಇದೀಗ ಭಾರತೀಯ ಬಾಹ್ಯಾಕಾಶ ಸಂಶೋಧನಾ ಸಂಸ್ಥೆಯ (ಇಸ್ರೊ, ISRO) ಹೈದರಾಬಾದ್ನಲ್ಲಿರುವ ರಾಷ್ಟ್ರೀಯ ದೂರಸಂವೇದಿ ಕೇಂದ್ರ ಮತ್ತು ದೆಹಲಿಯ ಜಿಜಿಎಸ್ ಇಂದ್ರಪ್ರಸ್ಥ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಂಶೋಧಕರು ಕೈಜೋಡಿಸಿ ‘MO-DGAN’ ಎಂಬ ಅತ್ಯಾಧುನಿಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿ ದ್ದಾರೆ. ಈ ಸಂಶೋಧನೆಯು ಪರಿಸರ ಸಂರಕ್ಷಣೆ ಮತ್ತು ನಗರಾಭಿವೃದ್ಧಿ ಯೋಜನೆಗಳಲ್ಲಿ ಹೊಸ ಕ್ರಾಂತಿಯನ್ನೇ ಸೃಷ್ಟಿಸುವ ಮುನ್ಸೂಚನೆಯನ್ನು ನೀಡಿದೆ.</p><p>ಉಪಗ್ರಹ ನಕ್ಷೆಗಳಲ್ಲಿ ಎದುರಾಗುವ ಈ ಸಮಸ್ಯೆಯನ್ನು ವಿಜ್ಞಾನಿಗಳು ‘ಕ್ಲಾಸ್ ಇಂಬ್ಯಾಲೆನ್ಸ್’ ಅಥವಾ ‘ವರ್ಗ ಅಸಮತೋಲನ’ ಎಂದು ಕರೆಯುತ್ತಾರೆ. ಉದಾಹರಣೆಗೆ, ಯುರೋಪಿನ ಸ್ಯಾಟಲೈಟ್ ದತ್ತಾಂಶಗಳನ್ನು ಗಮನಿಸಿದರೆ ಅಲ್ಲಿ ಕೃಷಿಭೂಮಿಯ ಚಿತ್ರಗಳೇ ಹೆಚ್ಚಾಗಿರುತ್ತವೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ತರಬೇತಿ ನೀಡುವಾಗ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯಲ್ಲಿರುವ ಇಂತಹ ಕೃಷಿಭೂಮಿಯ ಚಿತ್ರಗಳನ್ನೇ ಬಳಸುವುದರಿಂದ, ಆ ತಂತ್ರಜ್ಞಾನವು ಕೇವಲ ಕೃಷಿ ಭೂಮಿಯನ್ನು ಗುರುತಿಸುವುದರಲ್ಲಿ ಮಾತ್ರ ನಿಪುಣವಾಗುತ್ತದೆ. ಇದು ಅಪರೂಪದ ಭೂಭಾಗಗಳನ್ನು ಕೇವಲ ಕೃಷಿಭೂಮಿ ಎಂದು ತಪ್ಪಾಗಿ ಗುರುತಿಸಬಹುದು ಅಥವಾ ಸಂಪೂರ್ಣವಾಗಿ ನಿರ್ಲಕ್ಷಿಸಬಹುದು. </p><p>ನಮ್ಮ ಕರ್ನಾಟಕದ ಸಂದರ್ಭದಲ್ಲಿ ನೋಡುವುದಾದರೆ, ಪಶ್ಚಿಮ ಘಟ್ಟಗಳ ದಟ್ಟ ಅರಣ್ಯದ ನಡುವೆ ಇರುವ ಸಣ್ಣ ತೊರೆಗಳು ಅಥವಾ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಿರುವ ಬೆಂಗಳೂರಿನ ಹೊರವಲಯದ ಸಣ್ಣ ಜನವಸತಿ ಪ್ರದೇಶಗಳನ್ನು ನಿಖರವಾಗಿ ಗುರುತಿಸುವುದು ಇಂದಿನ ಸವಾಲಾಗಿದೆ. ಇಂತಹ ಸಂದರ್ಭಗಳಲ್ಲಿ ಈ ಹೊಸ ಎ.ಐ. ತಂತ್ರಜ್ಞಾನವು ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕೆಲಸ ಮಾಡಬಲ್ಲದು.</p><p>ಈ ಸಂಶೋಧಕರು ಅಭಿವೃದ್ಧಿಪಡಿಸಿರುವ MO-DGAN ಮಾದರಿಯು ‘ಜನರೇಟಿವ್ ಅಡ್ವರ್ಸೇರಿಯಲ್ ನೆಟ್ವರ್ಕ್ಸ್’ (GANs) ಎಂಬ ತಂತ್ರಜ್ಞಾನದ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ. ಇದನ್ನು ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, ಇದು ಒಬ್ಬ ಕಳ್ಳ ಮತ್ತು ಒಬ್ಬ ಪೊಲೀಸನ ನಡುವಿನ ಬುದ್ಧಿವಂತಿಕೆಯ ಆಟದಂತಿದೆ. ಇಲ್ಲಿ ಜನರೇಟರ್ ಎಂಬ ಸಿಸ್ಟಮ್ ಒಬ್ಬ ನಕಲಿ ಚಿತ್ರಗಳನ್ನು ತಯಾರಿಸುವ ಕಲಾವಿದನಂತೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಅದು ನಿಜವಾದ ಉಪಗ್ರಹ ಚಿತ್ರಗಳಂತೆಯೇ ಕಾಣುವ ಕೃತಕ ಚಿತ್ರಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಮತ್ತೊಂದೆಡೆ, ಡಿಸ್ಕ್ರಿಮಿನೇಟರ್ ಎಂಬ ಸಿಸ್ಟಮ್ ಒಬ್ಬ ಪತ್ತೇದಾರನಂತೆ ಕೆಲಸ ಮಾಡಿ, ಆ ಚಿತ್ರವು ಅಸಲಿಯೇ ಅಥವಾ ನಕಲಿಯೇ ಎಂದು ಪತ್ತೆಹಚ್ಚುತ್ತದೆ. ಈ ಇಬ್ಬರ ನಡುವಿನ ಸ್ಪರ್ಧೆಯು ಸೆಕೆಂಡಿಗೆ ಲಕ್ಷಾಂತರ ಬಾರಿ ನಡೆಯುತ್ತದೆ. ಅಂತಿಮವಾಗಿ, ಜನರೇಟರ್ ಎಷ್ಟೊಂದು ಪರಿಣತಿಯನ್ನು ಪಡೆಯುತ್ತದೆ ಎಂದರೆ ಅದು ಸೃಷ್ಟಿಸುವ ಚಿತ್ರಗಳು ಅಸಲಿ ಉಪಗ್ರಹ ಚಿತ್ರಗಳಿಗಿಂತ ಕಿಂಚಿತ್ತೂ ಭಿನ್ನವಾಗಿರುವುದಿಲ್ಲ. ಹೀಗೆ ಸೃಷ್ಟಿಯಾದ ಕೃತಕ ಚಿತ್ರಗಳನ್ನು ಬಳಸಿ ಎ.ಐ. ಮಾದರಿಗೆ ತರಬೇತಿ ನೀಡಿದಾಗ, ಅದು ಅಪರೂಪದ ಭೂಭಾಗಗಳನ್ನೂ ನಿಖರವಾಗಿ ಗುರುತಿಸಲು ಕಲಿಯುತ್ತದೆ.</p><p>ಸಂಶೋಧನೆಯ ಮುಂದಿನ ಹಂತವಾಗಿ, ವಿಜ್ಞಾನಿಗಳು ಈ ವ್ಯವಸ್ಥೆಗೆ ‘ವೇರಿಯೇಶನಲ್ ಆಟೋಎನ್ಕೋಡರ್’ (VAE) ಎಂಬ ಮತ್ತೊಂದು ತಾಂತ್ರಿಕತೆಯನ್ನು ಸೇರಿಸಿದ್ದಾರೆ. ಹಳೆಯ ಮಾದರಿಗಳಲ್ಲಿ ಎ.ಐ. ಒಂದೇ ರೀತಿಯ ಚಿತ್ರಗಳನ್ನು ಪುನರಾವರ್ತಿತವಾಗಿ ಸೃಷ್ಟಿಸುವ ‘ಮೋಡ್ ಕೊಲ್ಯಾಪ್ಸ್’ ಎಂಬ ಸಮಸ್ಯೆಯನ್ನು ಎದುರಿಸುತ್ತಿತ್ತು. ಆದರೆ VAE ತಂತ್ರಜ್ಞಾನವು ಎ.ಐ.ಗೆ ಹೆಚ್ಚಿನ ವೈವಿಧ್ಯಮಯ ಚಿತ್ರಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದರ ಜೊತೆಗೆ ಈ ಹೊಸ ಮಾದರಿಯು ಏಕಕಾಲದಲ್ಲಿ ಹಲವಾರು ರೀತಿಯ ಅಪರೂಪದ ಭೂಭಾಗಗಳನ್ನು (ಉದಾಹರಣೆಗೆ ನದಿಗಳು ಮತ್ತು ದಟ್ಟ ಕಾಡುಗಳು) ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ, ಇದು ಹಳೆಯ ಮಾದರಿಗಳಲ್ಲಿ ಸಾಧ್ಯವಿರಲಿಲ್ಲ. ಶ್ವೇತಾ ಶರ್ಮಾ ಮತ್ತು ಅಂಜನಾ ಗೋಸೈನ್ ಅವರ ನೇತೃತ್ವದ ಈ ಸಂಶೋಧನಾ ತಂಡವು ವಿವಿಧ ಮಾದರಿಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ, ‘ResNet101’ ಎಂಬ ಸಿಸ್ಟಮ್ ಈ ಕೆಲಸಕ್ಕೆ ಅತ್ಯಂತ ಸೂಕ್ತವಾದುದು ಎಂದು ಕಂಡುಕೊಂಡಿದೆ.</p><p>ಈ ತಂತ್ರಜ್ಞಾನದ ಅನ್ವಯಿಕೆಗಳು ಆಧುನಿಕ ಸಮಾಜಕ್ಕೆ ಅತ್ಯಂತ ಅಗತ್ಯವಾಗಿವೆ. ನಗರಯೋಜಕರು ಬೆಂಗಳೂರಿನಂತಹ ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿರುವ ನಗರಗಳ ವಿಸ್ತರಣೆಯನ್ನು ವೈಜ್ಞಾನಿಕವಾಗಿ ನಿರ್ವಹಿಸಲು ಈ ನಿಖರವಾದ ನಕ್ಷೆಗಳನ್ನು ಬಳಸಬಹುದು. ಪರಿಸರವಾದಿಗಳು ಅಳಿವಿನ ಅಂಚಿನಲ್ಲಿರುವ ಜೌಗು ಪ್ರದೇಶಗಳು ಅಥವಾ ಕಾಡುಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಮತ್ತು ಅವುಗಳನ್ನು ರಕ್ಷಿಸಲು ಇದು ಸಹಕಾರಿ. ಎಲ್ಲಕ್ಕಿಂತ ಮುಖ್ಯವಾಗಿ, ಪ್ರಕೃತಿ ವಿಕೋಪಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಈ ತಂತ್ರಜ್ಞಾನವು ಜೀವ ಉಳಿಸುವಲ್ಲಿ ಪ್ರಮುಖ ಪಾತ್ರ ವಹಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಭೀಕರ ಪ್ರವಾಹ ಬಂದಾಗ, ಉಪಗ್ರಹ ಚಿತ್ರಗಳಲ್ಲಿ ಕಾಣಿಸುವ ನೀರು ಹಳೆಯ ನದಿಯದ್ದೇ ಅಥವಾ ಹೊಸದಾಗಿ ಪ್ರವಾಹಕ್ಕೆ ತುತ್ತಾದ ಜನವಸತಿ ಪ್ರದೇಶದ್ದೇ ಎಂಬುದನ್ನು ನಿಖರವಾಗಿ ತಿಳಿಯುವುದು ಬಹಳ ಮುಖ್ಯ. ಈ ಎ.ಐ. ಮಾದರಿಯು ಅಂತಹ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಕ್ಷಣಾಂತರದಲ್ಲಿ ಗುರುತಿಸಿ ರಕ್ಷಣಾ ಕಾರ್ಯಗಳಿಗೆ ನೆರವಾಗಬಲ್ಲದು.</p><p>ಆದಾಗ್ಯೂ, ಈ ತಂತ್ರಜ್ಞಾನವು ಇನ್ನೂ ಕೆಲವು ಸವಾಲುಗಳನ್ನು ಎದುರಿಸುತ್ತಿದೆ. ಪ್ರಸ್ತುತ ಇದನ್ನು ಮಾನವನ ಕಣ್ಣಿಗೆ ಕಾಣಿಸುವ ಸಾಮಾನ್ಯ ಬಣ್ಣಗಳ (RGB) ಚಿತ್ರಗಳ ಮೇಲೆ ಪರೀಕ್ಷಿಸಲಾಗಿದೆ. ಆದರೆ ಉಪಗ್ರಹಗಳು ಮಣ್ಣಿನ ಗುಣಲಕ್ಷಣ ಅಥವಾ ಎಲೆಯ ಆರೋಗ್ಯವನ್ನು ತಿಳಿಸುವ ಅತಿನೇರಳೆ ಅಥವಾ ಅತಿಗೆಂಪು ಕಿರಣಗಳಂತಹ ಅದೃಶ್ಯ ಬೆಳಕಿನ ದತ್ತಾಂಶಗಳನ್ನೂ ಸಂಗ್ರಹಿಸುತ್ತವೆ. ಇಂತಹ ಕ್ಲಿಷ್ಟಕರ ಮತ್ತು ಬೃಹತ್ ದತ್ತಾಂಶಗಳಿಗೆ ಈ ಎ.ಐ. ಮಾದರಿಯನ್ನು ಅಳವಡಿಸಲು ಇನ್ನು ಹೆಚ್ಚಿನ ಸಂಶೋಧನೆಯ ಅಗತ್ಯವಿದೆ ಎಂದು ಸಂಶೋಧಕರು ಅಭಿಪ್ರಾಯಪಟ್ಟಿದ್ದಾರೆ.</p><p>ಅಲ್ಲದೆ, ಈ ವ್ಯವಸ್ಥೆಯು ತನ್ನ ಕಲ್ಪನಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಆರಂಭಿಸಲು ಕನಿಷ್ಠ ಕೆಲವು ನೈಜ ಚಿತ್ರಗಳನ್ನಾದರೂ ಅವಲಂಬಿಸಿರುತ್ತದೆ. ಏನೇ ಆದರೂ, ವಿಜ್ಞಾನಿಗಳ ಈ ಸಾಧನೆಯು ನಮ್ಮ ಭೂಮಿಯನ್ನು ಮತ್ತಷ್ಟು ಸ್ಪಷ್ಟವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಸಂರಕ್ಷಿಸಲು ನಮಗೊಂದು ಡಿಜಿಟಲ್ ಕನ್ನಡಿಗೆ ನಾಂದಿ ಹಾಡಿದೆ.</p>.<div><p><strong>ಪ್ರಜಾವಾಣಿ ಆ್ಯಪ್ ಇಲ್ಲಿದೆ: <a href="https://play.google.com/store/apps/details?id=com.tpml.pv">ಆಂಡ್ರಾಯ್ಡ್ </a>| <a href="https://apps.apple.com/in/app/prajavani-kannada-news-app/id1535764933">ಐಒಎಸ್</a> | <a href="https://whatsapp.com/channel/0029Va94OfB1dAw2Z4q5mK40">ವಾಟ್ಸ್ಆ್ಯಪ್</a>, <a href="https://www.twitter.com/prajavani">ಎಕ್ಸ್</a>, <a href="https://www.fb.com/prajavani.net">ಫೇಸ್ಬುಕ್</a> ಮತ್ತು <a href="https://www.instagram.com/prajavani">ಇನ್ಸ್ಟಾಗ್ರಾಂ</a>ನಲ್ಲಿ ಪ್ರಜಾವಾಣಿ ಫಾಲೋ ಮಾಡಿ.</strong></p></div>
<p>ಭೂಮಿಯ ಮೇಲ್ಮೈಯನ್ನು ಆಕಾಶದಿಂದ ವೀಕ್ಷಿಸುವ ಉಪಗ್ರಹಗಳು ನಮಗೆ ನಿರಂತರವಾಗಿ ದತ್ತಾಂಶಗಳನ್ನು ನೀಡುತ್ತಲೇ ಇರುತ್ತವೆ. ಆದರೆ, ಈ ಉಪಗ್ರಹಗಳು ಕಳುಹಿಸುವ ಚಿತ್ರಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವಾಗ ಒಂದು ದೊಡ್ಡ ಸವಾಲು ಎದುರಾಗುತ್ತದೆ. ಉಪಗ್ರಹದ ಕಣ್ಣಿಗೆ ವಿಶಾಲವಾಗಿ ಹರಡಿರುವ ಕೃಷಿಭೂಮಿಗಳು ಸುಲಭವಾಗಿ ಕಾಣಿಸುತ್ತವೆಯೇ ಹೊರತು, ಸಣ್ಣ ನದಿಗಳು, ದಟ್ಟ ಅರಣ್ಯದ ನಡುವಿನ ಅಪರೂಪದ ಮರಗಳು ಅಥವಾ ಸಣ್ಣ ಜನವಸತಿ ಪ್ರದೇಶಗಳು ಹೆಚ್ಚಾಗಿ ಪತ್ತೆಯಾಗುವುದೇ ಇಲ್ಲ. </p><p>ಈ ಸಮಸ್ಯೆಯನ್ನು ಹೋಗಲಾಡಿಸಲು ಇದೀಗ ಭಾರತೀಯ ಬಾಹ್ಯಾಕಾಶ ಸಂಶೋಧನಾ ಸಂಸ್ಥೆಯ (ಇಸ್ರೊ, ISRO) ಹೈದರಾಬಾದ್ನಲ್ಲಿರುವ ರಾಷ್ಟ್ರೀಯ ದೂರಸಂವೇದಿ ಕೇಂದ್ರ ಮತ್ತು ದೆಹಲಿಯ ಜಿಜಿಎಸ್ ಇಂದ್ರಪ್ರಸ್ಥ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಂಶೋಧಕರು ಕೈಜೋಡಿಸಿ ‘MO-DGAN’ ಎಂಬ ಅತ್ಯಾಧುನಿಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿ ದ್ದಾರೆ. ಈ ಸಂಶೋಧನೆಯು ಪರಿಸರ ಸಂರಕ್ಷಣೆ ಮತ್ತು ನಗರಾಭಿವೃದ್ಧಿ ಯೋಜನೆಗಳಲ್ಲಿ ಹೊಸ ಕ್ರಾಂತಿಯನ್ನೇ ಸೃಷ್ಟಿಸುವ ಮುನ್ಸೂಚನೆಯನ್ನು ನೀಡಿದೆ.</p><p>ಉಪಗ್ರಹ ನಕ್ಷೆಗಳಲ್ಲಿ ಎದುರಾಗುವ ಈ ಸಮಸ್ಯೆಯನ್ನು ವಿಜ್ಞಾನಿಗಳು ‘ಕ್ಲಾಸ್ ಇಂಬ್ಯಾಲೆನ್ಸ್’ ಅಥವಾ ‘ವರ್ಗ ಅಸಮತೋಲನ’ ಎಂದು ಕರೆಯುತ್ತಾರೆ. ಉದಾಹರಣೆಗೆ, ಯುರೋಪಿನ ಸ್ಯಾಟಲೈಟ್ ದತ್ತಾಂಶಗಳನ್ನು ಗಮನಿಸಿದರೆ ಅಲ್ಲಿ ಕೃಷಿಭೂಮಿಯ ಚಿತ್ರಗಳೇ ಹೆಚ್ಚಾಗಿರುತ್ತವೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ತರಬೇತಿ ನೀಡುವಾಗ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯಲ್ಲಿರುವ ಇಂತಹ ಕೃಷಿಭೂಮಿಯ ಚಿತ್ರಗಳನ್ನೇ ಬಳಸುವುದರಿಂದ, ಆ ತಂತ್ರಜ್ಞಾನವು ಕೇವಲ ಕೃಷಿ ಭೂಮಿಯನ್ನು ಗುರುತಿಸುವುದರಲ್ಲಿ ಮಾತ್ರ ನಿಪುಣವಾಗುತ್ತದೆ. ಇದು ಅಪರೂಪದ ಭೂಭಾಗಗಳನ್ನು ಕೇವಲ ಕೃಷಿಭೂಮಿ ಎಂದು ತಪ್ಪಾಗಿ ಗುರುತಿಸಬಹುದು ಅಥವಾ ಸಂಪೂರ್ಣವಾಗಿ ನಿರ್ಲಕ್ಷಿಸಬಹುದು. </p><p>ನಮ್ಮ ಕರ್ನಾಟಕದ ಸಂದರ್ಭದಲ್ಲಿ ನೋಡುವುದಾದರೆ, ಪಶ್ಚಿಮ ಘಟ್ಟಗಳ ದಟ್ಟ ಅರಣ್ಯದ ನಡುವೆ ಇರುವ ಸಣ್ಣ ತೊರೆಗಳು ಅಥವಾ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಿರುವ ಬೆಂಗಳೂರಿನ ಹೊರವಲಯದ ಸಣ್ಣ ಜನವಸತಿ ಪ್ರದೇಶಗಳನ್ನು ನಿಖರವಾಗಿ ಗುರುತಿಸುವುದು ಇಂದಿನ ಸವಾಲಾಗಿದೆ. ಇಂತಹ ಸಂದರ್ಭಗಳಲ್ಲಿ ಈ ಹೊಸ ಎ.ಐ. ತಂತ್ರಜ್ಞಾನವು ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕೆಲಸ ಮಾಡಬಲ್ಲದು.</p><p>ಈ ಸಂಶೋಧಕರು ಅಭಿವೃದ್ಧಿಪಡಿಸಿರುವ MO-DGAN ಮಾದರಿಯು ‘ಜನರೇಟಿವ್ ಅಡ್ವರ್ಸೇರಿಯಲ್ ನೆಟ್ವರ್ಕ್ಸ್’ (GANs) ಎಂಬ ತಂತ್ರಜ್ಞಾನದ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ. ಇದನ್ನು ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, ಇದು ಒಬ್ಬ ಕಳ್ಳ ಮತ್ತು ಒಬ್ಬ ಪೊಲೀಸನ ನಡುವಿನ ಬುದ್ಧಿವಂತಿಕೆಯ ಆಟದಂತಿದೆ. ಇಲ್ಲಿ ಜನರೇಟರ್ ಎಂಬ ಸಿಸ್ಟಮ್ ಒಬ್ಬ ನಕಲಿ ಚಿತ್ರಗಳನ್ನು ತಯಾರಿಸುವ ಕಲಾವಿದನಂತೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಅದು ನಿಜವಾದ ಉಪಗ್ರಹ ಚಿತ್ರಗಳಂತೆಯೇ ಕಾಣುವ ಕೃತಕ ಚಿತ್ರಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಮತ್ತೊಂದೆಡೆ, ಡಿಸ್ಕ್ರಿಮಿನೇಟರ್ ಎಂಬ ಸಿಸ್ಟಮ್ ಒಬ್ಬ ಪತ್ತೇದಾರನಂತೆ ಕೆಲಸ ಮಾಡಿ, ಆ ಚಿತ್ರವು ಅಸಲಿಯೇ ಅಥವಾ ನಕಲಿಯೇ ಎಂದು ಪತ್ತೆಹಚ್ಚುತ್ತದೆ. ಈ ಇಬ್ಬರ ನಡುವಿನ ಸ್ಪರ್ಧೆಯು ಸೆಕೆಂಡಿಗೆ ಲಕ್ಷಾಂತರ ಬಾರಿ ನಡೆಯುತ್ತದೆ. ಅಂತಿಮವಾಗಿ, ಜನರೇಟರ್ ಎಷ್ಟೊಂದು ಪರಿಣತಿಯನ್ನು ಪಡೆಯುತ್ತದೆ ಎಂದರೆ ಅದು ಸೃಷ್ಟಿಸುವ ಚಿತ್ರಗಳು ಅಸಲಿ ಉಪಗ್ರಹ ಚಿತ್ರಗಳಿಗಿಂತ ಕಿಂಚಿತ್ತೂ ಭಿನ್ನವಾಗಿರುವುದಿಲ್ಲ. ಹೀಗೆ ಸೃಷ್ಟಿಯಾದ ಕೃತಕ ಚಿತ್ರಗಳನ್ನು ಬಳಸಿ ಎ.ಐ. ಮಾದರಿಗೆ ತರಬೇತಿ ನೀಡಿದಾಗ, ಅದು ಅಪರೂಪದ ಭೂಭಾಗಗಳನ್ನೂ ನಿಖರವಾಗಿ ಗುರುತಿಸಲು ಕಲಿಯುತ್ತದೆ.</p><p>ಸಂಶೋಧನೆಯ ಮುಂದಿನ ಹಂತವಾಗಿ, ವಿಜ್ಞಾನಿಗಳು ಈ ವ್ಯವಸ್ಥೆಗೆ ‘ವೇರಿಯೇಶನಲ್ ಆಟೋಎನ್ಕೋಡರ್’ (VAE) ಎಂಬ ಮತ್ತೊಂದು ತಾಂತ್ರಿಕತೆಯನ್ನು ಸೇರಿಸಿದ್ದಾರೆ. ಹಳೆಯ ಮಾದರಿಗಳಲ್ಲಿ ಎ.ಐ. ಒಂದೇ ರೀತಿಯ ಚಿತ್ರಗಳನ್ನು ಪುನರಾವರ್ತಿತವಾಗಿ ಸೃಷ್ಟಿಸುವ ‘ಮೋಡ್ ಕೊಲ್ಯಾಪ್ಸ್’ ಎಂಬ ಸಮಸ್ಯೆಯನ್ನು ಎದುರಿಸುತ್ತಿತ್ತು. ಆದರೆ VAE ತಂತ್ರಜ್ಞಾನವು ಎ.ಐ.ಗೆ ಹೆಚ್ಚಿನ ವೈವಿಧ್ಯಮಯ ಚಿತ್ರಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದರ ಜೊತೆಗೆ ಈ ಹೊಸ ಮಾದರಿಯು ಏಕಕಾಲದಲ್ಲಿ ಹಲವಾರು ರೀತಿಯ ಅಪರೂಪದ ಭೂಭಾಗಗಳನ್ನು (ಉದಾಹರಣೆಗೆ ನದಿಗಳು ಮತ್ತು ದಟ್ಟ ಕಾಡುಗಳು) ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ, ಇದು ಹಳೆಯ ಮಾದರಿಗಳಲ್ಲಿ ಸಾಧ್ಯವಿರಲಿಲ್ಲ. ಶ್ವೇತಾ ಶರ್ಮಾ ಮತ್ತು ಅಂಜನಾ ಗೋಸೈನ್ ಅವರ ನೇತೃತ್ವದ ಈ ಸಂಶೋಧನಾ ತಂಡವು ವಿವಿಧ ಮಾದರಿಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ, ‘ResNet101’ ಎಂಬ ಸಿಸ್ಟಮ್ ಈ ಕೆಲಸಕ್ಕೆ ಅತ್ಯಂತ ಸೂಕ್ತವಾದುದು ಎಂದು ಕಂಡುಕೊಂಡಿದೆ.</p><p>ಈ ತಂತ್ರಜ್ಞಾನದ ಅನ್ವಯಿಕೆಗಳು ಆಧುನಿಕ ಸಮಾಜಕ್ಕೆ ಅತ್ಯಂತ ಅಗತ್ಯವಾಗಿವೆ. ನಗರಯೋಜಕರು ಬೆಂಗಳೂರಿನಂತಹ ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿರುವ ನಗರಗಳ ವಿಸ್ತರಣೆಯನ್ನು ವೈಜ್ಞಾನಿಕವಾಗಿ ನಿರ್ವಹಿಸಲು ಈ ನಿಖರವಾದ ನಕ್ಷೆಗಳನ್ನು ಬಳಸಬಹುದು. ಪರಿಸರವಾದಿಗಳು ಅಳಿವಿನ ಅಂಚಿನಲ್ಲಿರುವ ಜೌಗು ಪ್ರದೇಶಗಳು ಅಥವಾ ಕಾಡುಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಮತ್ತು ಅವುಗಳನ್ನು ರಕ್ಷಿಸಲು ಇದು ಸಹಕಾರಿ. ಎಲ್ಲಕ್ಕಿಂತ ಮುಖ್ಯವಾಗಿ, ಪ್ರಕೃತಿ ವಿಕೋಪಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಈ ತಂತ್ರಜ್ಞಾನವು ಜೀವ ಉಳಿಸುವಲ್ಲಿ ಪ್ರಮುಖ ಪಾತ್ರ ವಹಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಭೀಕರ ಪ್ರವಾಹ ಬಂದಾಗ, ಉಪಗ್ರಹ ಚಿತ್ರಗಳಲ್ಲಿ ಕಾಣಿಸುವ ನೀರು ಹಳೆಯ ನದಿಯದ್ದೇ ಅಥವಾ ಹೊಸದಾಗಿ ಪ್ರವಾಹಕ್ಕೆ ತುತ್ತಾದ ಜನವಸತಿ ಪ್ರದೇಶದ್ದೇ ಎಂಬುದನ್ನು ನಿಖರವಾಗಿ ತಿಳಿಯುವುದು ಬಹಳ ಮುಖ್ಯ. ಈ ಎ.ಐ. ಮಾದರಿಯು ಅಂತಹ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಕ್ಷಣಾಂತರದಲ್ಲಿ ಗುರುತಿಸಿ ರಕ್ಷಣಾ ಕಾರ್ಯಗಳಿಗೆ ನೆರವಾಗಬಲ್ಲದು.</p><p>ಆದಾಗ್ಯೂ, ಈ ತಂತ್ರಜ್ಞಾನವು ಇನ್ನೂ ಕೆಲವು ಸವಾಲುಗಳನ್ನು ಎದುರಿಸುತ್ತಿದೆ. ಪ್ರಸ್ತುತ ಇದನ್ನು ಮಾನವನ ಕಣ್ಣಿಗೆ ಕಾಣಿಸುವ ಸಾಮಾನ್ಯ ಬಣ್ಣಗಳ (RGB) ಚಿತ್ರಗಳ ಮೇಲೆ ಪರೀಕ್ಷಿಸಲಾಗಿದೆ. ಆದರೆ ಉಪಗ್ರಹಗಳು ಮಣ್ಣಿನ ಗುಣಲಕ್ಷಣ ಅಥವಾ ಎಲೆಯ ಆರೋಗ್ಯವನ್ನು ತಿಳಿಸುವ ಅತಿನೇರಳೆ ಅಥವಾ ಅತಿಗೆಂಪು ಕಿರಣಗಳಂತಹ ಅದೃಶ್ಯ ಬೆಳಕಿನ ದತ್ತಾಂಶಗಳನ್ನೂ ಸಂಗ್ರಹಿಸುತ್ತವೆ. ಇಂತಹ ಕ್ಲಿಷ್ಟಕರ ಮತ್ತು ಬೃಹತ್ ದತ್ತಾಂಶಗಳಿಗೆ ಈ ಎ.ಐ. ಮಾದರಿಯನ್ನು ಅಳವಡಿಸಲು ಇನ್ನು ಹೆಚ್ಚಿನ ಸಂಶೋಧನೆಯ ಅಗತ್ಯವಿದೆ ಎಂದು ಸಂಶೋಧಕರು ಅಭಿಪ್ರಾಯಪಟ್ಟಿದ್ದಾರೆ.</p><p>ಅಲ್ಲದೆ, ಈ ವ್ಯವಸ್ಥೆಯು ತನ್ನ ಕಲ್ಪನಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಆರಂಭಿಸಲು ಕನಿಷ್ಠ ಕೆಲವು ನೈಜ ಚಿತ್ರಗಳನ್ನಾದರೂ ಅವಲಂಬಿಸಿರುತ್ತದೆ. ಏನೇ ಆದರೂ, ವಿಜ್ಞಾನಿಗಳ ಈ ಸಾಧನೆಯು ನಮ್ಮ ಭೂಮಿಯನ್ನು ಮತ್ತಷ್ಟು ಸ್ಪಷ್ಟವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಸಂರಕ್ಷಿಸಲು ನಮಗೊಂದು ಡಿಜಿಟಲ್ ಕನ್ನಡಿಗೆ ನಾಂದಿ ಹಾಡಿದೆ.</p>.<div><p><strong>ಪ್ರಜಾವಾಣಿ ಆ್ಯಪ್ ಇಲ್ಲಿದೆ: <a href="https://play.google.com/store/apps/details?id=com.tpml.pv">ಆಂಡ್ರಾಯ್ಡ್ </a>| <a href="https://apps.apple.com/in/app/prajavani-kannada-news-app/id1535764933">ಐಒಎಸ್</a> | <a href="https://whatsapp.com/channel/0029Va94OfB1dAw2Z4q5mK40">ವಾಟ್ಸ್ಆ್ಯಪ್</a>, <a href="https://www.twitter.com/prajavani">ಎಕ್ಸ್</a>, <a href="https://www.fb.com/prajavani.net">ಫೇಸ್ಬುಕ್</a> ಮತ್ತು <a href="https://www.instagram.com/prajavani">ಇನ್ಸ್ಟಾಗ್ರಾಂ</a>ನಲ್ಲಿ ಪ್ರಜಾವಾಣಿ ಫಾಲೋ ಮಾಡಿ.</strong></p></div>