Saamme tarkkaa tietoa ilmanlaadusta, koska sitä mitataan lukemattomilla mittauspisteillä ympäri maailman. Kerättävää tietoa käytetään myös ilmanlaadun parantamiseksi. Maailman merialueillakin tietoa kerätään suojelun tueksi yhä enemmän, mutta tiedon saanti on huomattavasti ilmanlaatumittauksia hankalampaa. Signaalien kulku vedessä on heikkoa, ja paine-erot sekä virtaukset vaikeuttavat mittalaitteiden toimintaa. Vesialueilla ei myöskään ole kaupunkeja, eli niiltä puuttuu valmiiksi rakennettu laskentainfrastruktuuri.
Voisivatko älykkäät teknologiat auttaa ratkaisemaan merten datankeruun ongelmia? Helsingin yliopiston tietojenkäsittelytieteen professori Petteri Nurmi tutkimusryhmineen on yhdessä Tarton ja Madeiran yliopiston sekä Madeiralla toimivan MARE-Madeira, ARDITI -tutkimuslaitoksen kanssa kehittänyt älykkäitä sensoriratkaisuja, jotka yhdistelevät anturiteknologioita ja sulautettua tekoälyä.
Tutkijat pyrkivät tehostamaan ja laajentamaan tiedonkeruun menetelmiä, jotka ovat jo käytössä esimerkiksi ympäristön tutkimuksessa.
– Mitä enemmän ja parempilaatuista tietoa valtameristä saadaan, sitä paremmin tietoa pystytään ymmärtämään ja käyttämään merten suojelun hyväksi. Meidän menetelmämme auttavat lisäämään merialueilta saatavan datan kokonaismäärää ja vähentämään sen keräämisen ja analysoinnin vaatimaa työtä, Nurmi kertoo.
Tekoäly tunnistaa eläinlajeja
Hiljattain julkaistussa tutkimuksessa Nurmi kollegoineen hyödynsi dataa, joka oli kerätty Madeiralla järjestettäviltä valasretkiltä. Valasretkiä tarjoavilla laivoilla on yleensä aina henkilöitä, jotka voivat retken aikana kirjata havaintoja nähdyistä eläinlajeista tai videoida ympäristöä.
Tutkimuksessa tekoälymalli auttoi ihmisiä ympäristön reaaliaikaisessa havainnoinnissa. Tekoälyä käytettiin myös tunnistamaan, oliko kuvamateriaalissa tiettyjä eläimiä, kuten delfiinejä tai valaita. Tutkijat myös vertasivat, millaista apua tekoälystä oli kokeneille ja vähemmän kokeneille havainnoijille. Lisäksi tutkimuksessa verrattiin, miten tekoälyn avulla tehdyt eläinhavainnot toimivat opetusdatana tekoälymallin kehittämisessä.
– Analysoimme, miten tekoälyn arviot vaikuttavat tiedon laatuun ja ihmisten tekemiin havaintoihin. Tekoäly paransi amatöörien eläinhavaintojen tarkkuutta selvästi, mutta sillä ei ollut vaikutusta asiantuntijoiden havaintojen tarkkuuteen. Toisaalta kun kerättyä tietoa käytettiin opetusdatana, parhaat tulokset saatiin, kun tekoälyn luokittelut yhdistettiin asiantuntijoiden havaintoihin. Ihminen ja tekoälymalli voivat siis vaikuttaa toisiinsa, ja tätä vuorovaikutusta tulee ymmärtää entistä paremmin, Nurmi kertoo.
Parhaassa tapauksessa menetelmän avulla voisi Nurmen mukaan tunnistaa entistä nopeammin, mitä eläimiä merialueilla liikkuu tiettynä aikana. Tuloksia ja menetelmiä on myös mahdollista laajentaa muiden eliöiden havainnointiin.
Merten muoveja voi tunnistaa
Toinen hiljattain julkaistu tutkimus käsitteli merten muoviroskan tunnistusta ja luokittelua. Tutkimus käsitteli silmin havaittavaa roskaa erotuksena hyvin hienojakoisesta mikromuovista. Yksi tämänhetkinen tapa saada tietoa merten muoveista on, että sukeltajat tai laitteet keräävät näytteitä, jotka analysoidaan myöhemmin laboratoriossa. Tämä vie yleensä paljon aikaa. Veden pintakerrosten muoveja voi havainnoida myös ilmakuvista.
Tutkijat kehittivät sensoreiden kanssa toimivaa, valospektritiedon analysointiin perustuva tekoälyä, jonka voisi liittää sukeltajien laitteisiin tai sukellusrobottiin. Sen avulla roskien muovilaatu pystyttäisiin määrittämään jo veden alla. Tutkimuksessa kävi ilmi, että tekoälymalli pystyi erottamaan muovilajit toisistaan 85 prosentin tarkkuudella.
– Saamme neljä viidestä esineestä tunnistettua suoraan, jolloin laboratorioon tunnistettavaksi tarvitsee viedä vähemmän näytteitä. Näin saadaan suurempia datamääriä ja siten kattavampi tieto siitä, mitä muoveja meressä on.
Nurmi korostaa, että hänen ja kollegoiden tavoite on luoda uusia datan keräämisen tapoja. Muiden alojen asiantuntijat voivat sitten keksiä uusille menetelmille parhaat sovelluskohteet.
Esimerkiksi kun muovin laji on selvitetty, on helpompi selvittää, mistä lähteestä muovi on mereen päätynyt ja miten roskaantumista voisi ennaltaehkäistä. Tieto auttaa myös ymmärtämään eri muovilajien vaikutusta ekosysteemeihin, sillä eri muovilajit sisältävät eri kemikaaleja ja hajoavat eri tavoin.
Parempi data tuo parempaa suojelua
Nurmi uskoo, että merialueilta kerättävän datan kanssa voidaan olla nyt samassa tilanteessa kuin ilmanlaadun tutkimuksessa vuosia sitten.
– Alun perin ilmanlaatututkimus oli harvojen, isojen mittaustornien varassa. Nyt mittalaitteita voi löytää jopa bussipysäkeiltä. Merialueilla tässä tilanteessa ei vielä olla, vaikka myös niillä datan keräämisen tavat ja toimijat lisääntyvät koko ajan. Meidän tutkimuksemme pyrkii siihen, että merialueilta saatava mittausdata olisi tarkempaa ja sitä saataisiin enemmän.
Tulevaisuudessa vedenalaisten droonien, älypoijujen, laivojen ja rannikoilla olevien tukiasemien käyttö merten tiedonkeruussa todennäköisesti lisääntyy. Niiden laajeneva verkosto voi tarjota aivan uudenlaiset keinot vedenalaisen datan keruuseen.
– Merten suojelu ja sääntely tahtoo valitettavasti hukkua muiden ongelmien varjoon, vaikka se on ihmiskunnalle erittäin tärkeää. Mitä enemmän ja parempaa tietoa merten tiloista voidaan kerätä, sitä paremmin voimme kehittää ratkaisuja ja sääntelyä, jotka parantaisivat merten asemaa.