يدعم مستهدفات الاستدامة.. باحث سعودي في «MIT» يطوّر نظامًا متقدمًا لرصد العواصف
تاريخ النشر: 2nd, July 2025 GMT
يُجري طالب دكتوراة سعودي في الهندسة المدنية والبيئية في معهد ماساتشوستس للتكنولوجيا (MIT)، أبحاثًا نوعية تهدف إلى تطوير أدوات ذكية لرصد وتحليل العواصف الرملية، باستخدام تقنيات الذكاء الاصطناعي وبيانات الأقمار الصناعية، لتغطية مناطق واسعة في المملكة العربية السعودية والصحراء الكبرى في أفريقيا، في مشروع يربط بين البحث العلمي ومتطلبات الاستدامة البيئية.
وحصل الباحث السعودي، المبتعث من مدينة الملك عبدالعزيز للعلوم والتقنية "كاكست" فيصل الناصر، حصل على جائزة (MIT) للبيانات المفتوحة لعام (2024)، تقديرًا لإسهامه في توفير بيانات استشعار عن بُعد في مناطق تفتقر إلى بنية تحتية لرصد الأحوال الجوية، وهو ما يعزز إمكانات المراقبة المناخية في البيئات الصحراوية.
ونُشرت للناصر ثلاثة أبحاث علمية محكّمة ضمن هذا المشروع، تناولت دراسة تأثير المحميات الطبيعية في تقليل العواصف الرملية، كما فتحت آفاقًا واعدة لتطوير أنظمة إنذار مبكر تسهم في حماية الأرواح والحدّ من الخسائر الاقتصادية الناتجة عن العواصف الترابية.
ويُبرز هذا المشروع مكانة المملكة المتقدمة في توظيف الذكاء الاصطناعي في المجال البيئي، ويعكس توجهها نحو دعم الأبحاث التطبيقية ذات الأثر المباشر، كما يسهم في تعزيز التعاون البحثي الدولي في قضايا التغير المناخي والعواصف الترابية التي تؤثر في ملايين السكان سنويًا.
وتُجسد أبحاث فيصل الناصر أحد النماذج الملهمة لبرنامج الابتعاث النوعي، الذي يدعم الكفاءات السعودية الشابة لتقديم حلول مبتكرة للتحديات البيئية، بما يتماشى مع مستهدفات المملكة في الريادة العلمية والتنمية المستدامة ضمن رؤية (2030).
يذكر أن "كاكست" ابتعثت نحو (55) باحثًا وباحثة إلى معهد ماساتشوستس للتقنية (MIT) خلال الـ 8 سنوات الماضية، كما دعمت عبر برنامج زمالة ابن خلدون (55) باحثة من حملة الدكتوراة خلال مسيرتهن البحثية والمهنية في المعهد.
رؤية 2030اخبار السعوديةالأقمار الصناعيةاخر اخبار السعوديةقد يعجبك أيضاًNo stories found.
المصدر
المصدر: صحيفة عاجل
كلمات دلالية: رؤية 2030 اخبار السعودية الأقمار الصناعية اخر اخبار السعودية
إقرأ أيضاً:
كيف تعلم الروبوت مثل الأطفال؟.. باحثون يكشفون تفاصيل نظام RL-100
يشهد عالم الروبوتات والذكاء الاصطناعي تطورات متسارعة تهدف إلى جعل الآلات أكثر قدرة على أداء المهام اليومية بكفاءة واستقلالية، وذلك في خطوة تقربها من التفاعل مع البيئات الواقعية كما يفعل الإنسان.
وفي أحدث هذه التطورات، نجح باحثون في تطوير نظام تدريبي مبتكر يمكّن الروبوتات من التعلم عبر تقليد البشر أولًا، ثم تحسين أدائها ذاتيًا من خلال التجربة، ما يفتح آفاقًا جديدة لاستخدامها في المنازل والمصانع وقطاعات الخدمات.
تقدم جديد في مجال الروبوتات الذكيةوحقق باحثون تقدمًا جديدًا في مجال الروبوتات الذكية، بعدما نجحوا في تطوير نظام تدريبي يمكّن الروبوت من تعلم المهام عبر تقليد البشر في البداية، ثم تحسين أدائه ذاتيًا من خلال التجربة، ما يعزز قدرته على العمل باستقلالية داخل البيئات الواقعية.
ووفقًا لموقع Interesting Engineering، استطاع الروبوت تنفيذ مجموعة متنوعة من المهام اليومية، من بينها لعب البولينج، وطي المناشف، وفتح الأغطية، وسكب المشروبات، وإعداد عصير البرتقال، وذلك بعد تدريبه باستخدام إطار جديد يحمل اسم RL-100، والذي يجمع بين التعلم بالتقليد والتعلم المعزز.
وأظهرت نتائج الاختبارات أن الروبوت لم يقتصر على تنفيذ المهام التي تدرب عليها فقط، بل تمكن أيضًا من التكيف مع مواقف غير متوقعة والتعامل مع الاضطرابات أثناء العمل، بل وتفوق في بعض الحالات على المشغلين البشريين الذين يتحكمون في الروبوتات عن بُعد.
كما أثبت النظام كفاءته خلال تجربة عملية، إذ نجح الروبوت في تشغيل خدمة إعداد العصائر داخل أحد المراكز التجارية لمدة سبع ساعات متواصلة دون التعرض لأي أعطال.
تطبيق طريقة تعلم الأطفالطور فريق بحثي بقيادة علماء من جامعة شنغهاي جياو تونغ نظام RL-100 لمعالجة إحدى أبرز العقبات في عالم الروبوتات، والمتمثلة في الانتقال من مجرد تقليد الحركات البشرية إلى اكتساب القدرة على اتخاذ القرارات والعمل بكفاءة داخل بيئات غير منظمة.
واستند الباحثون في تصميم النظام إلى الطريقة التي يتعلم بها الأطفال، إذ يبدأ الطفل بالملاحظة والتقليد، ثم يطور مهاراته تدريجيًا من خلال التجربة والخطأ حتى يصل إلى الاستقلالية في الأداء.
مراحل تطوير النظام الجديديعتمد النظام الجديد على ثلاث مراحل رئيسية. ففي المرحلة الأولى، يشاهد الروبوت مهام ينفذها خبراء بشريون عبر التحكم عن بُعد، ليتعلم الربط بين الصور التي تلتقطها الكاميرات والحركات المطلوبة لإنجاز المهمة، ما يمنحه أساسًا أوليًا للسلوك المطلوب.
وفي المرحلة الثانية، يبدأ الروبوت في تطوير أدائه بشكل مستقل، إذ يكرر تنفيذ المهام، ويحتفظ بالتجارب الناجحة ويستفيد منها لتحسين قراراته، وهو ما يقلل تدريجيًا من اعتماده على التدخل البشري.
أما المرحلة الأخيرة، فتتم داخل بيئة العمل الحقيقية، حيث يركز الروبوت على معالجة الأخطاء النادرة وتحسين مستوى الدقة والاعتمادية أثناء تنفيذ المهام.
سرعة استجابة الروبوتاتولم يقتصر التطوير على تحسين قدرات التعلم، بل شمل أيضًا رفع سرعة استجابة الروبوت. فبدلًا من الاعتماد على نماذج تحتاج إلى عدة خطوات حسابية قبل تنفيذ الحركة، استخدم الباحثون تقنية تقطير نموذج الاتساق، ما خفض زمن الاستجابة من نحو 100 مللي ثانية إلى قرابة 10 مللي ثوانٍ فقط، وهو ما انعكس على سرعة التحكم وسلاسة الحركة.
تطبيق النظام البحثي للروبوتاتاختبر الفريق البحثي النظام في ثماني مهام متنوعة تضمنت التعامل مع أجسام صلبة ومواد مرنة وسوائل، إلى جانب مهام تتطلب درجة عالية من الدقة، مثل لعب البولينج، وطي الملابس، وسكب السوائل، وفتح العبوات، وتجميع بعض المكونات، وعصر البرتقال.
وبعد انتهاء مراحل التدريب، حقق الروبوت معدل نجاح بلغ 100% خلال ألف تجربة تقييم، كما أثبت قدرته على التعامل مع أجسام لم يسبق له رؤيتها والتكيف مع تغيرات البيئة المحيطة دون الحاجة إلى إعادة تدريبه، في خطوة قد تمهد الطريق لجيل جديد من الروبوتات القادرة على التعلم والعمل باستقلالية أكبر.
اقرأ أيضاًهل تنجح OpenAI في تحويل شات جي بي تي إلى منصة إنتاجية متكاملة؟
تسريبات تكشف مفاجآت هاتف آيفون 18 برو ماكس.. بطارية أكبر ومعالج جديد
لو كسلان تقوم من سريرك.. الصين تكشف عن أول «مرحاض ذاتي القيادة»
نادي الأسير الفلسطيني: ارتفاع عدد الأسيرات إلى 89 داخل السجون الصهيونية