"الصيد بالذكاء الاصطناعي" يعني استخدام التعلم الآلي للقيام بشيئين: قراءة الظروف — الضغط، المد والجزر، درجة حرارة الماء، الموسم، القمر، الضوء — وتقييم مدى ملاءمة الساعات القليلة القادمة لنشاط التغذية؛ ومؤخرًا، التعرف على أصوات الأسماك الحقيقية عبر ميكروفون الهاتف. ما تتقنه هذه التقنية هو إيجاد الأنماط عبر متغيرات أكثر مما يمكن لأي صياد أن يحتفظ به في ذهنه في وقت واحد. ما لا يمكنها فعله — أبدًا — هو الرؤية تحت بقعة الماء الخاصة بك. النتيجة هي احتمال أن تكون الظروف جيدة، وليست سمكة مضمونة. أي تطبيق يضمن الصيد يبيع الأمل، وليس الرياضيات.
بعيدًا عن التسويق، الصيد بالذكاء الاصطناعي هو التعرف على الأنماط المطبق على مشكلة لطالما عمل عليها الصيادون بالإحساس. يدير الصيادون ذوو الخبرة بالفعل نموذجًا ذهنيًا: غالبًا ما يؤدي انخفاض الضغط قبل الجبهة إلى تنشيط الأسماك؛ يمكن أن يؤدي الانخفاض المفاجئ في درجة الحرارة في الربيع إلى إغلاق بحيرة لأيام. يقوم التعلم الآلي بنفس الشيء، ولكن بشكل منهجي — يأخذ كميات كبيرة من بيانات الظروف التاريخية، ويجد أي مجموعات من العوامل كانت تميل إلى التوافق مع سلوك التغذية النشط، ويحول توقعات الليلة إلى رقم.
يوجد فرعان من هذه التقنية مهمان للصيادين اليوم:
كلاهما حقيقي، وكلاهما مفيد، وكلاهما له حدود صارمة تستحق المعرفة قبل أن تثق بأي منهما.
نموذج الظروف جيد بقدر مدخلاته. المتغيرات التي تحمل إشارة حقيقية هي نفسها التي راقبها الصيادون لأجيال:
ميزة نموذج التعلم الآلي ليست أنه يعرف متغيرات سرية. بل إنه يمكنه وزن عشرات المتغيرات العادية في وقت واحد، لموقع دقيق، والتحديث كل ساعة — وهي مهمة لا يقوم بها أي إنسان بشكل موثوق في الساعة 5 صباحًا. نهج FishRadar هو مثال عملي: يحسب التطبيق درجة حية من 0 إلى 100 لموقع من بيانات المحيط والطقس، مطبقة مع فترات سولونار وتقاويم الأنواع الموسمية، وينشر كيف تتناسب هذه الأجزاء معًا في صفحة منهجية FishRadar بدلاً من مطالبة أي شخص بأخذ الرقم على محمل الثقة.
الآليات أقل غموضًا مما يوحي به مصطلح "الذكاء الاصطناعي". يتم تدريب النموذج على بيانات تاريخية حيث يمكن إقران الظروف بأدلة على نشاط الأسماك. يقوم التدريب بضبط الأوزان الداخلية للنموذج حتى يفصل "النوافذ المشابهة لهذه كانت غالبًا منتجة" عن "النوافذ المشابهة لهذه كانت عادةً ميتة". من ثم، يأخذ النموذج توقعًا مباشرًا لإحداثياتك ويخرج أين تقع ظروف اليوم على هذا الطيف المتعلم.
يأتي مع هذه العملية تحذيران صادقان:
يمكنك الاطلاع على شرح أطول لما يتضمنه رقم التوقعات وما لا يتضمنه في دليلنا لتوقعات الأسماك.
هذا هو أكثر الأشياء التي يساء فهمها في الصيد بالذكاء الاصطناعي. النتيجة العالية لا تعني "الأسماك تصطاد". بل تعني أن الظروف القابلة للقياس تشبه النوافذ التي كانت تاريخيًا تفضل نشاط التغذية. هذا كل شيء.
فكر في الأمر بالطريقة التي تفكر بها في توقعات المطر. فرصة 70% للمطر لا تضمن أن تبتل، وفرصة 20% لا تضمن أن تظل جافًا — ولكن على مدار أيام عديدة، التخطيط حول هذه الأرقام أفضل من تجاهلها. تعمل نتيجة الصيد بنفس الطريقة: اصطد بها على مدار موسم، ويجب أن تؤتي النوافذ ذات الدرجات العالية ثمارها، بينما يمكن لأي رحلة واحدة أن تتحدى الرقم في أي اتجاه. الصيادون الذين يتعاملون مع النتيجة كاحتمال يحصلون على قيمة حقيقية منها. الصيادون الذين يتعاملون معها كوعد يلومون التطبيق في أول أمسية بطيئة.
تقييم الظروف يتنبأ. التعرف الصوتي يراقب — وهذا يجعله نوعًا مختلفًا جوهريًا من الأدلة. العديد من الأسماك تصدر أصواتًا بالفعل: الطبول تدق، والأسماك القرقارة تصدر صوتًا، والأسماك الضفدعية تهمهم، وتتجمع تجمعات التكاثر لبعض الأنواع في جوقات صاخبة بما يكفي لسماعها عبر هيكل القارب بأذنيك. هذه الأصوات خاصة بالأنواع بما يكفي لدرجة أن نموذجًا مدربًا يمكنه تمييزها، بالطريقة التي تحدد بها تطبيقات أغاني الطيور الطيور.
FishRadar Ear هي هذه الفكرة تعمل بالكامل على الهاتف: يستمع الميكروفون، وتبحث شبكة عصبية مدربة على تسجيلات أصوات الأسماك عن الأنواع المعروفة وأنماط الأصوات في الصوت، ويتم عرض كل اكتشاف مع دليله — الطيف الصوتي الذي يمكنك فحصه بنفسك. عندما يسمع جوقة طبول، هذا ليس تنبؤًا بأن الأسماك قد تكون موجودة؛ إنه تسجيل لأسماك تعلن عن نفسها.
الحدود لا تقل أهمية. بعض الأنواع فقط تصدر أصواتًا. الأسماك الهادئة، والأسماك البعيدة، والظروف العاصفة أو الصاخبة بالمحرك يمكن أن تهزم الميكروفون. ولا يمكن لأي هاتف قياس مدى بعد سمكة تنادي — الماء يشوه شدة الصوت بطرق لا ينبغي لأي تطبيق صادق أن يدعي إزالة تشوهها. يقول الاكتشاف سمكة تنادي، قريبة بما يكفي لسماعها، ويتوقف عند هذا الحد.
مكان تشغيل الذكاء الاصطناعي يهم أكثر مما تعترف به معظم قوائم الميزات. النموذج الذي يعمل على الهاتف نفسه — بدلاً من بث صوتك أو إحداثياتك إلى خادم — له ثلاث مزايا عملية للصيادين:
خصوصية الموقع ليست شيئًا صغيرًا. يحرس الصيادون المواقع لسبب وجيه، وأي أداة ذكاء اصطناعي تتصل بالمنزل بإحداثيات دقيقة وطوابع زمنية تستحق نظرة فاحصة على سياسة الخصوصية الخاصة بها قبل أن تأتي على قاربك.
هذه القائمة قصيرة، صريحة، وغير قابلة للتفاوض:
أي منتج صيد بالذكاء الاصطناعي يطمس هذه الخطوط — نسب دقة بدون منهجية وراءها، شهادات بحدود مضمونة، عبارة "الذكاء الاصطناعي يرى الأسماك" — يخبرك عن قسم التسويق الخاص به، وليس عن نموذجه.
نظرية سولونار — الفكرة التي تعود إلى قرن من الزمان بأن ذروات التغذية تتبع موقع القمر — هي في الواقع أول خوارزمية للتنبؤ بالصيد: صيغة ثابتة، محسوبة من علم الفلك، متطابقة لكل صياد. إنها باقية لأن هناك بعض الإشارة فيها؛ غالبًا ما تتوافق الفترات الرئيسية والثانوية مع النشاط الملحوظ.
يعمم التعلم الآلي الفكرة. بدلاً من صيغة قمرية ثابتة واحدة، يمكن للنموذج أن يزن موقع القمر إلى جانب اتجاه الضغط، والمد والجزر، ودرجة الحرارة والموسم، ويترك البيانات تحدد مدى أهمية كل عامل لمنطقة ونوع معينين. فترة سولونار رئيسية أثناء انهيار الضغط على مد متحرك هي حيوان مختلف عن نفس الفترة الرئيسية تحت سماء زرقاء ذات ضغط عالٍ — ويمكن لنتيجة متعددة العوامل أن تقول ذلك، بينما لا يستطيع الجدول. لا يضمن أي منهما أي شيء؛ النموذج ببساطة يتحوط بمعلومات أكثر.
نتيجة الظروف هي أداة تخطيط، وتكافئ استخدامها كواحدة:
الصيد بالذكاء الاصطناعي حقيقي، ومفيد، ومبالغ فيه — كل ذلك في آن واحد. يمكن للتعلم الآلي أن يزن الظروف بشكل حقيقي، وبشكل أكثر اتساقًا، من أي صياد، ويمكن للنماذج الصوتية على الجهاز أن تضع اسمًا لسمكة تنادي في نطاق السمع. ما لا يمكن لأي خوارزمية فعله هو الرؤية في مياهك أو وعد بانحناء في قضيبك. أفضل أدوات الصيد بالذكاء الاصطناعي تقول ذلك بالضبط، بصوت عالٍ، وتظهر أدلتها. تعامل مع كل نتيجة كاحتمال، وكل اكتشاف كدليل واحد من بين العديد، وكل ضمان كعلامة حمراء — وتصبح التكنولوجيا غريزة حادة أخرى في عدة الصياد، وليست بديلاً عن تلك التي لديك بالفعل.
احصل على تطبيق FishRadar
يتم تحديث النتائج المباشرة على مدار اليوم. احصل على التوقعات الكاملة، وأوقات الصيد المثالية، ومواقعك المحفوظة الخاصة بك في تطبيق FishRadar.