نظام دعم قرارات مبتكر لتحسين إدارة تغذية سمك السلمون المرقط باستخدام الذكاء الاصطناعي

في عالم الاستزراع المائي المعاد تدويره (RAS)، تعد إدارة تغذية الأسماك خطوة حاسمة لتقليل التكاليف وتحسين رفاهية الأسماك. ومع ذلك، كانت الطرق التقليدية تعاني من عدم توافق معرفي بين سلوكيات الأسماك والمعرفة الإدارية، مما يعيق اتخاذ قرارات تغذية فعالة وقابلة للتفسير.

لذا، تُقدم الدراسة نظام THPL (Vision-to-Language Decision Support Framework)، وهو إطار يُعنى بقرارات التغذية مصمّم خصيصًا لسمك السلمون المرقط (Oncorhynchus mykiss) في RAS. يهدف هذا النظام إلى ترجمة السلوكيات السمكية إلى قرارات غذائية مُنفذة.

تبدأ العملية باستخدام تقنية Fishsort، التي تستخرج مسارات السلوك لتحديد معامل النشاط (Activity Coefficient - AC) الذي يقيس شدة التغذية. بعد ذلك، يقوم مُشفّر السلوك الهرمي (Hierarchical Behavior Encoder - HBE) بنمذجة التقدم الزمني والتحليلي الجماعي مستخدمًا تقنيات Transformer الزمنية والتجميعية. يقوم هذا النموذج بتحويل موترات الحركة إلى تمثيلات ثنائية الأدلة تتضمن الرموز الفيزيائية والناعمة.

في المرحلة التالية، تُدمج هذه الرموز مع المتغيرات البيئية، والبيانات الوصفية، وقواعد الخبراء لضبط نموذج لغوي كبير (Large Language Model - LLM) باستخدام LoRA، يتبعها تحسين التفضيلات متعددة الوسائط العكسية (multimodal Direct Preference Optimization - mDPO) لتعزيز التفكير السببي.

أظهرت النتائج أن معامل النشاط AC يظهر ارتباطًا إيجابيًا كبيرًا مع شدة التغذية المعيارية من قبل الخبراء، حيث بلغت دقة القرارات الغذائية 93.33% باستخدام الرموز الثنائية الأدلة. وبتطبيق mDPO، ارتفعت الدقة إلى 96.67%، مما يُظهر فعالية الإطار في تحسين تفكير الذكاء الاصطناعي في مجال الاستزراع المائي.

بشكل عام، يعد هذا البحث خطوة رائدة في دمج الحركيات المستمرة مع التفكير الذكي لتقديم نموذج جديد لدعم القرارات في مجال الاستزراع المائي الدقيق.