تبدیل رزبری پای به قاب تصویر هوشمند پرندگان با هوش مصنوعی محلی

تصور کنید پنجره آشپزخانه شما به یک موزه زنده تاریخ طبیعی تبدیل شود. این هدف پروژه Fugleramme است؛ یک سیستم متن‌باز که در ۱۵ سپتامبر ۲۰۲۶ منتشر شد و با استفاده از رزبری پای ۵ (Raspberry Pi 5) و هوش مصنوعی محلی، آواز پرندگان را شنیده و بلافاصله تصویر گونه مربوطه را در قالب یک تصویر دستی قرن نوزدهمی روی نمایشگر e-ink رندر می‌کند.

این پروژه در زمانی عرضه شده که رایانش لبه (Edge Computing) — شبیه به داشتن یک مغز کوچک و سریع در خودِ دستگاه به‌جای ارسال همه دستورات به یک مرکز دوردست — از کاربردهای ساده به سمت بیان هنری و زیبایی‌شناختی حرکت می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی CarWatch اشاره کردیم که رزبری پای را به یک عامل آفلاین برای خودرو تبدیل کرده بود، Fugleramme نیز نشان می‌دهد سخت‌افزارهای محلی قدرتمند چگونه می‌توانند خط لوله‌های چندوجهی (Multimodal) — یعنی مدل‌هایی که مثل انسان هم‌زمان صدا و تصویر می‌فهمند — شامل حسگرهای صوتی و رندرینگ تصاویر را بدون اتکا به ابر مدیریت کنند.

زمینه پروژه

طبق مستندات پروژه که در سایت fugleramme.arnegiacomo.dev فعال است، این سیستم در حال حاضر در پنجره آشپزخانه‌ای در شهر برگن نروژ نصب شده و پرندگانی را که در باغ نویسنده شنیده می‌شوند، به‌صورت زنده نمایش می‌دهد. بر اساس اعلام سازنده، پروژه در مراحل اولیه توسعه است و کاربران باید انتظار برخی لبه‌های پرداخت‌نشده و باگ‌های عجیب را داشته باشند، اما در عین حال یک تجربه کاملاً محلی از هوش مصنوعی ارائه می‌دهد که از هرگونه پردازش داده‌ها در سرورهای خارجی اجتناب می‌کند.

جزئیات فنی

به نقل از مستندات فنی، این سیستم برای دستیابی به هدف خود از ترکیب سخت‌افزاری و نرم‌افزاری خاصی استفاده می‌کند:

• تشخیص صوتی: از BirdNET-Go استفاده می‌کند؛ یک طبقه‌بندی‌کننده مبتنی بر مدل‌های آزمایشگاه پرندنگاری کورنل و دانشگاه تکنولوژی کم‌نیتس که داده‌های تاکسونومیک آن توسط eBird.org تأمین می‌شود. این بخش از طریق میکروفون گوش می‌دهد و استنتاج (Inference) — یعنی لحظه‌ای که مدل واقعاً جواب تولید می‌کند، مثل خودِ آشپزی و نه دوره‌ی آموزش آشپز — را به‌صورت محلی انجام می‌دهد.
• رندر بصری: نرم‌افزار با فراخوانی API مدل BirdNET-Go، گونه‌های شناسایی‌شده را با کتابخانه‌ای شامل بیش از ۸۰۰ تصویر دست‌چین‌شده از دامنه عمومی تطبیق می‌دهد که بیش از ۴۰۰ گونه را پوشش می‌دهد. این تصاویر از صفحات واقعی قدیمی هستند و توسط هوش مصنوعی تولید نشده‌اند، هرچند برخی از آن‌ها با ابزارهای هوش مصنوعی رتوش و بازسازی شده‌اند. این رویکرد در مدیریت دارایی‌های بصری، یادآور ابزارهای تخصصی تولید تصویر در محیط ترمینال است که کنترل دقیق‌تری بر خروجی‌های بصری AI فراهم می‌کنند.
• نمایشگر: در حالی که سیستم می‌تواند از طریق HDMI یا هر دستگاه شبکه‌ای به عنوان یک کیوسک وب اجرا شود، اما تجربه هدف‌گذاری شده از پنل Inky Impression 13.3" (Spectra 6) استفاده می‌کند تا بافت کاغذ قدیمی را شبیه‌سازی کند. یک قاب A4 نیز ساختار فیزیکی این اثر را تکمیل می‌کند.
• منطق چیدمان: پرندگان بر اساس جرم بدنی واقعی‌شان (بر اساس داده‌های AVONET سال ۲۰۲۲ توسط Tobias et al) روی صفحه قرار می‌گیرند؛ به‌طوری که پرندگان بزرگ‌تر در مرکز صفحه جای می‌گیرند. در صورت عدم شناسایی هیچ پرنده‌ای، تصویر یک شاخه خالی (perch) نمایش داده می‌شود.

پوشش منطقه‌ای و هنر

تصاویر مورد استفاده از صفحات قدیمی اسکاندیناوی، بریتانیا و اروپای مرکزی است؛ بنابراین سیستم در حال حاضر برای کشورهای نوردیک، جزایر بریتانیا و آلمان بهینه است. پوشش گسترده‌تر برای سایر نقاط اروپا و آمریکای شمالی در حال حاضر در دست توسعه است. هر گونه شناسایی‌شده ابتدا پس‌زمینه زدایی شده و روی یک صفحه با بافت کاغذ قدیمی قرار می‌گیرد تا زیبایی‌شناسی قرن نوزدهمی حفظ شود.

از دیدگاه فنی، این پروژه یک نمونه عالی از ارکستراسیون هوش مصنوعی محلی است. سیستم با فراخوانی API مدل BirdNET-Go و بازترسیم نمایشگر e-ink تنها در زمان تغییر جمعیت پرندگان، مصرف انرژی و استهلاک صفحه را به حداقل می‌رساند. استفاده از سرویس systemd برای نصب، باعث می‌شود قاب پس از روشن شدن دستگاه به‌طور خودکار بوت شود و به جای یک آزمایش موقت، به بخشی از دکوراسیون دائمی خانه تبدیل شود.

برای علاقه‌مندان به سخت‌افزار، این یعنی سد ورود به دنیای «هوش مصنوعی محیطی» (Ambient AI) در حال فروپاشی است. دیگر برای ایجاد یک محیط هوشمند و پاسخگو به خوشه‌های عظیم GPU نیاز نیست؛ یک کامپیوتر به اندازه کارت اعتباری و یک میکروفون برای پیوند دادن داده‌های خام به هنر کلاسیک کافی است.

اگر می‌خواهید سیستم خودتان را بسازید، این پروژه تحت مجوز MIT در گیت‌هاب در دسترس است. می‌توانید با نصب اسکریپت شل ارائه شده روی یک ایمیج تازه از Raspberry Pi OS یا استقرار کل پشته (stack) از طریق Docker شروع کنید. برای کسانی که رزبری پای ندارند، سیستم را می‌توان برای توسعه به‌صورت محلی با استفاده از uv sync و یک تشخیص‌دهنده مجازی (fake detector) روی پورت ۸۰۹۰ اجرا کرد.

گام بعدی شما

• اگر رزبری پای دارید، مخزن گیت‌هاب پروژه را بررسی کرده و اسکریپت نصب را روی Raspberry Pi OS اجرا کنید.
• برای کسانی که سخت‌افزار ندارند، می‌توان سیستم را برای توسعه با استفاده از uv sync و یک تشخیص‌دهنده مجازی روی پورت ۸۰۹۰ اجرا کرد.
• بررسی کنید که آیا مدل BirdNET-Go می‌تواند گونه‌های بومی منطقه شما را شناسایی کند یا خیر.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.