DOI: https://doi.org/10.1016/j.marpolbul.2026.119379
PMID: https://pubmed.ncbi.nlm.nih.gov/41691941
تاريخ النشر: 2026-02-14
المؤلف: David B. Olawade وآخرون
الموضوع الرئيسي: الميكروبلاستيك وتلوث البلاستيك
نظرة عامة
تقدم هذه القسم نظرة شاملة على دور الذكاء الاصطناعي (AI) في معالجة تلوث الميكروبلاستيك البحري، وهي قضية بيئية هامة تفاقمت بسبب التدفق السنوي لملايين الأطنان من نفايات البلاستيك إلى المحيطات. تسلط المراجعة الضوء على التقدمات الأخيرة في تطبيقات الذكاء الاصطناعي، مع التركيز على ثلاثة مجالات رئيسية: النمذجة التنبؤية لتدفقات الميكروبلاستيك، أنظمة الكشف الذكية التي تستخدم الاستشعار عن بعد والروبوتات، والتدخلات المدفوعة بالذكاء الاصطناعي التي تهدف إلى تقليل إطلاق الميكروبلاستيك. تعزز هذه المنهجيات المدفوعة بالذكاء الاصطناعي دقة توقعات التلوث، وتسهّل المراقبة في الوقت الحقيقي، وتعزز التدابير الاستباقية للتخفيف من الآثار البيئية.
تؤكد الخاتمة على الإمكانات التحويلية للذكاء الاصطناعي في مكافحة تلوث الميكروبلاستيك من خلال تحسين فهم ديناميات الملوثات وتمكين استراتيجيات الكشف والتدخل الفعالة. تصنف المراجعة تطبيقات الذكاء الاصطناعي بشكل منهجي، وترتبط بأطر السياسات الدولية وتقيّم الفجوات في الوصول إلى التكنولوجيا. وتبرز ضرورة الجهود المنسقة للتغلب على التحديات مثل توفر البيانات، والتحيزات الجغرافية في المراقبة، وفجوة جاهزية التكنولوجيا، خاصة بين الدول المتقدمة والنامية. يجب أن تعطي الأبحاث المستقبلية الأولوية لتحسين نماذج الذكاء الاصطناعي وتقنيات الكشف مع تعزيز التعاون عبر القطاعات لضمان الوصول العادل والتنفيذ الفعال للحلول المدفوعة بالذكاء الاصطناعي، مما يساهم في الحفاظ على النظم البيئية البحرية وتعزيز أهداف التنمية المستدامة.
مقدمة
تتناول مقدمة ورقة البحث الأزمة البيئية المتزايدة لتلوث الميكروبلاستيك البحري، مع تسليط الضوء على أصوله، واستمراريته، وآثاره الضارة على النظم البيئية، والحياة البرية، وصحة الإنسان. يُعرف الميكروبلاستيك بأنه جزيئات بلاستيكية أصغر من 5 مم، وتأتي من تحلل الحطام البلاستيكي الأكبر، والألياف الاصطناعية، ومنتجات العناية الشخصية، وتدخل البيئات البحرية من خلال مسارات مختلفة مثل الجريان السطحي وسوء إدارة النفايات. تؤدي قدرتها على المقاومة للتحلل الطبيعي إلى تراكمها في النظم البيئية المائية، حيث تشكل تهديدات كبيرة للحياة البحرية، ومن ثم، صحة الإنسان من خلال استهلاك المأكولات البحرية. تؤكد المقدمة على الحاجة الملحة لأساليب مبتكرة ومتعددة التخصصات لمكافحة هذه القضية، حيث أثبتت استراتيجيات إدارة النفايات التقليدية عدم كفايتها.
تدعو الورقة إلى تطبيق الذكاء الاصطناعي (AI) كأداة تحويلية في معالجة تلوث الميكروبلاستيك. يمكن أن تعزز قدرات الذكاء الاصطناعي في تحليل مجموعات البيانات الكبيرة ونمذجة تدفقات الميكروبلاستيك من فهم ديناميات التلوث وتحديد النقاط الساخنة للتدخلات المستهدفة. علاوة على ذلك، يمكن أن تحسن أنظمة الكشف المدفوعة بالذكاء الاصطناعي من المراقبة في الوقت الحقيقي للميكروبلاستيك عبر مساحات شاسعة من المحيطات، متجاوزةً قيود الطرق التقليدية. على الرغم من إمكانات الذكاء الاصطناعي، تحدد المقدمة الفجوات الحرجة في الأبحاث الحالية، بما في ذلك التحيزات الجغرافية في البيانات، ونقص منهجيات الذكاء الاصطناعي الموحدة، وعدم كفاية التكامل مع الأطر التنظيمية. تهدف المراجعة إلى تقديم تقييم شامل لدور الذكاء الاصطناعي في نمذجة، وكشف، وتخفيف تلوث الميكروبلاستيك، مع معالجة التحديات الاجتماعية والاقتصادية والتنفيذية لضمان الوصول العادل إلى هذه التقنيات على مستوى العالم.
الطرق
استكشفت المراجعة السردية بشكل منهجي التطبيقات الحالية للذكاء الاصطناعي (AI) في نمذجة وتخفيف تلوث الميكروبلاستيك في البيئات البحرية. باستخدام منهجية منظمة ولكن مرنة، كانت المراجعة تهدف إلى تضمين مجموعة واسعة من التقنيات الناشئة والرؤى متعددة التخصصات. سهل هذا النهج توليد توليف موضوعي أوسع وتطوير أطر مفاهيمية، مع الاعتراف بتنوع تطبيقات الذكاء الاصطناعي والمنهجيات عبر الدراسات المختلفة.
ومع ذلك، تخضع المراجعة لعدة قيود. فهي لا تلتزم بإرشادات PRISMA المستخدمة عادةً للمراجعات المنهجية مع التحليل التلوي الكمي، مما قد يؤثر على صرامة تقييم التحيز والإبلاغ المنظم. قد تؤدي التطورات السريعة في تكنولوجيا الذكاء الاصطناعي إلى إغفال أحدث التقدمات التي لم يتم توثيقها بعد في الأدبيات التي تمت مراجعتها من قبل الأقران. بالإضافة إلى ذلك، قد يؤدي انتشار المنشورات باللغة الإنجليزية إلى إدخال تحيز لغوي، بينما تعقد نقص ممارسات الإبلاغ الموحدة المقارنات المباشرة بين الدراسات. قد يؤدي التحيز المحتمل في النشر إلى تفضيل تطبيقات الذكاء الاصطناعي الناجحة، مما يؤدي إلى رؤية متفائلة بشكل مفرط للقدرات الحالية. علاوة على ذلك، قد يغفل التركيز الجغرافي للأبحاث في المؤسسات ذات الموارد الجيدة التحديات التي تواجهها الدول النامية، وقد تؤدي الطبيعة متعددة التخصصات للمجال إلى تشتت الدراسات ذات الصلة عبر الأدبيات الخاصة بالتخصصات المختلفة، مما يعقد التغطية الشاملة.
المناقشة
تحدد قسم المناقشة في ورقة البحث استراتيجية بحث أدبي شاملة تهدف إلى فهم تقاطع الذكاء الاصطناعي (AI) وتلوث الميكروبلاستيك في البيئات البحرية. شمل البحث عدة قواعد بيانات وتضمن دراسات نشرت من يناير 2015 إلى أكتوبر 2025، مع التركيز على تطبيقات الذكاء الاصطناعي للكشف عن الميكروبلاستيك، والنمذجة، وإعادة التأهيل. أكدت معايير الإدراج على المقالات التي تمت مراجعتها من قبل الأقران والتقارير الفنية التي قدمت تفاصيل منهجية، بينما قامت معايير الاستبعاد بتصفية الدراسات التي تفتقر إلى مكونات الذكاء الاصطناعي أو تلك التي تركز فقط على توصيف الميكروبلاستيك. شمل عملية الاختيار عدة مراحل، بما في ذلك فحص العناوين والملخصات، وتقييم النص الكامل، والبحث التكميلي، مما أدى في النهاية إلى توليف موضوعي للنتائج.
تسلط الورقة الضوء على نطاق تلوث الميكروبلاستيك المقلق، حيث يدخل حوالي 8 ملايين طن إلى المحيطات سنويًا، مما يشكل تهديدات كبيرة للتنوع البيولوجي البحري وصحة الإنسان. يُعرف الميكروبلاستيك بأنه جزيئات بلاستيكية أصغر من 5 مم، وهي منتشرة عبر بيئات بحرية مختلفة وتقاوم التحلل الطبيعي، مما يؤدي إلى التراكم في شبكة الغذاء. تتناول المناقشة أيضًا التحديات في نمذجة وتخفيف تلوث الميكروبلاستيك، مشيرةً إلى أن النماذج البيئية التقليدية تكافح للتنبؤ بدقة بسلوك الميكروبلاستيك بسبب تفاعلاتها المعقدة مع ديناميات المحيط. يتم التأكيد على إمكانات الذكاء الاصطناعي، وخاصة التعلم الآلي، لتعزيز دقة التنبؤ في تتبع تدفقات الميكروبلاستيك وتحديد مناطق التراكم، مما يدعم جهود التنظيف المستهدفة ويعطي معلومات لصنع السياسات. ومع ذلك، تشير الورقة إلى الحاجة إلى تحسين التحقق من النماذج والشفافية لضمان موثوقية تطبيقات الذكاء الاصطناعي في هذا المجال الحرج من العلوم البيئية.
DOI: https://doi.org/10.1016/j.marpolbul.2026.119379
PMID: https://pubmed.ncbi.nlm.nih.gov/41691941
Publication Date: 2026-02-14
Author(s): David B. Olawade et al.
Primary Topic: Microplastics and Plastic Pollution
Overview
The section provides a comprehensive overview of the role of Artificial Intelligence (AI) in addressing marine microplastic pollution, a significant environmental issue exacerbated by the annual influx of millions of tons of plastic waste into oceans. The review highlights recent advancements in AI applications, focusing on three key areas: predictive modeling of microplastic flows, intelligent detection systems utilizing remote sensing and robotics, and AI-driven interventions aimed at reducing microplastic release. These AI-driven methodologies enhance the accuracy of pollution predictions, facilitate real-time monitoring, and promote proactive measures to mitigate environmental impacts.
The conclusion emphasizes AI’s transformative potential in combating microplastic pollution by improving understanding of pollutant dynamics and enabling efficient detection and intervention strategies. The review systematically categorizes AI applications, linking them to international policy frameworks and assessing disparities in technology access. It underscores the necessity for coordinated efforts to overcome challenges such as data availability, geographic monitoring biases, and the technology readiness gap, particularly between developed and developing nations. Future research should prioritize the refinement of AI models and detection technologies while fostering collaboration across sectors to ensure equitable access and effective implementation of AI-driven solutions, ultimately contributing to the preservation of marine ecosystems and the advancement of sustainable development goals.
Introduction
The introduction of the research paper addresses the growing environmental crisis of marine microplastic pollution, highlighting its origins, persistence, and detrimental effects on ecosystems, wildlife, and human health. Microplastics, defined as plastic particles smaller than 5 mm, originate from the degradation of larger plastic debris, synthetic fibers, and personal care products, entering marine environments through various pathways such as runoff and improper waste management. Their resilience to natural degradation leads to accumulation in aquatic ecosystems, where they pose significant threats to marine life and, subsequently, human health through seafood consumption. The introduction emphasizes the urgent need for innovative, multidisciplinary approaches to combat this issue, as traditional waste management strategies have proven inadequate.
The paper advocates for the application of Artificial Intelligence (AI) as a transformative tool in addressing microplastic pollution. AI’s capabilities in analyzing large datasets and modeling microplastic flows can enhance understanding of pollution dynamics and identify hotspots for targeted interventions. Furthermore, AI-driven detection systems can improve real-time monitoring of microplastics across vast ocean areas, surpassing the limitations of conventional methods. Despite the potential of AI, the introduction identifies critical gaps in current research, including geographic data biases, lack of standardized AI methodologies, and insufficient integration with regulatory frameworks. The review aims to provide a comprehensive assessment of AI’s role in modeling, detecting, and mitigating microplastic pollution, while addressing socio-economic and implementation challenges to ensure equitable access to these technologies globally.
Methods
The narrative review systematically explored the current applications of artificial intelligence (AI) in modeling and mitigating microplastic pollution in marine environments. Employing a structured yet flexible methodology, the review aimed to encompass a wide range of emerging technologies and interdisciplinary insights. This approach facilitated a broader thematic synthesis and the development of conceptual frameworks, acknowledging the heterogeneity of AI applications and methodologies across various studies.
However, the review is subject to several limitations. It does not adhere to the PRISMA guidelines typically used for systematic reviews with quantitative meta-analysis, which may affect the rigor of bias assessment and structured reporting. The rapid evolution of AI technology may result in the omission of the latest advancements not yet captured in peer-reviewed literature. Additionally, the predominance of English-language publications could introduce language bias, while the lack of standardized reporting practices complicates direct comparisons among studies. Potential publication bias may favor successful AI implementations, leading to an overly optimistic view of current capabilities. Furthermore, the geographic concentration of research in well-resourced institutions may overlook challenges faced by developing nations, and the interdisciplinary nature of the field may result in relevant studies being dispersed across various discipline-specific literature, complicating comprehensive coverage.
Discussion
The discussion section of the research paper outlines a comprehensive literature search strategy aimed at understanding the intersection of artificial intelligence (AI) and microplastic pollution in marine environments. The search spanned multiple databases and included studies published from January 2015 to October 2025, focusing on AI applications for microplastic detection, modeling, and remediation. Inclusion criteria emphasized peer-reviewed articles and technical reports that provided methodological details, while exclusion criteria filtered out studies lacking AI components or those focused solely on microplastic characterization. The selection process involved multiple stages, including title and abstract screening, full-text assessments, and supplementary searches, ultimately leading to a thematic synthesis of the findings.
The paper highlights the alarming scope of microplastic pollution, with approximately 8 million tons entering oceans annually, posing significant threats to marine biodiversity and human health. Microplastics, defined as plastic particles smaller than 5 mm, are pervasive across various marine environments and resist natural degradation, leading to bioaccumulation in the food web. The discussion also addresses the challenges in modeling and mitigating microplastic pollution, noting that traditional environmental models struggle to accurately predict microplastic behavior due to their complex interactions with ocean dynamics. The potential of AI, particularly machine learning, is emphasized for enhancing predictive accuracy in tracking microplastic flows and identifying accumulation zones, thereby supporting targeted clean-up efforts and informing policy decisions. However, the paper calls attention to the need for improved model validation and transparency to ensure the reliability of AI applications in this critical area of environmental science.