Laukinės gamtos nuotraukos yra AI vykdomų gamtosaugos tyrimų lobis

Laukinės gamtos nuotraukos yra AI vykdomų gamtosaugos tyrimų lobis

Jei pažiūrėtumėte į leopardų nuotrauką, ar galėtumėte pasakyti, kurie du buvo susiję pagal jų dėmes?

Jei nesate leopardo ekspertas, atsakymas greičiausiai ne, sako Tanya Berger-Wolf, Ohajo valstijos universiteto Translational Data Analytics Institute (TDAI) direktorė. Tačiau, anot jos, kompiuteriai gali.

Berger-Wolf ir jos komanda yra naujos studijų srities, vadinamos imageomika, pionieriais. Kaip rodo pavadinimas, „imageomika“ naudoja mašininį mokymąsi, kad gautų biologinius duomenis iš gyvų organizmų nuotraukų ir vaizdo įrašų. Berger-Wolf ir jos komanda neseniai pradėjo bendradarbiauti su mokslininkais, tyrinėjančiais leopardus Indijoje, kad palygintų mamų ir vaikų dėmių modelius naudodami algoritmus.

„Vaizdai dabar tapo gausiausiu informacijos šaltiniu, taip pat turime technologiją. Mes turime kompiuterinio matymo mašininį mokymąsi “, – sako Berger-Wolf. Šią technologiją ji lygina su mikroskopo išradimu, siūlydama mokslininkams visiškai kitaip pažvelgti į laukinę gamtą.

Remdamasi TDAI atvirojo kodo platforma Wildbook, kuri padeda laukinės gamtos tyrinėtojams rinkti ir analizuoti nuotraukas, komanda dabar daugiausia dėmesio skiria generatyviems AI metodams. Šios programos naudoja esamą turinį reikšmingiems duomenims generuoti. Šiuo atveju jie bando analizuoti minios šaltinių vaizdus, ​​​​kad būtų galima apskaičiuoti biologinius bruožus, kurių žmonės natūraliai gali nepastebėti, pavyzdžiui, žuvies peleko kreivumą arba leopardo dėmes. Algoritmai nuskaito leopardų vaizdus, ​​​​viešai prieinamus internete, nuo socialinės žiniasklaidos iki suskaitmenintų muziejų kolekcijų.

Paprastais žodžiais tariant, algoritmai „kiekybiškai įvertina panašumą“, – sako ji. Tikslas – padėti laukinės gamtos tyrinėtojams įveikti duomenų trūkumo problemą ir galiausiai geriau apsaugoti gyvūnus, kuriems gresia išnykimas.

Mašininis mokymasis gali būti naudojamas norint nustatyti visas svarbias nuotraukos dalis, įskaitant dominančią laukinę gamtą.
Tanya Berger-Wolf nuotrauka

Ekologai ir kiti laukinės gamtos tyrinėtojai šiuo metu susiduria su duomenų trūkumu – žmonėms leisti laiką lauke stebint gyvūnus yra varginantis, brangus ir atima daug laiko. Dėl šių iššūkių 20 054 rūšys, įtrauktos į Tarptautinės gamtos apsaugos sąjungos (IUCN) Raudonąjį nykstančių rūšių sąrašą, yra pažymėtos kaip „duomenų trūkumas“, o tai reiškia, kad nėra pakankamai informacijos, kad būtų galima tinkamai įvertinti jų išnykimo riziką. Kaip apibendrina Berger-Wolf, „biologai priima sprendimus neturėdami gerų duomenų apie tai, ką ir kaip greitai prarandame“.

Platforma prasidėjo nuo prižiūrimo mokymosi – Berger-Wolf teigia, kad kompiuteris naudoja „paprastesnius nei Siri“ algoritmus, kad suskaičiuotų, kiek gyvūnų yra vaizde, taip pat kur jis buvo nufotografuotas ir kada, o tai gali prisidėti prie tokių rodiklių kaip populiacijos skaičiavimas. AI gali tai padaryti ne tik už daug mažesnę kainą nei samdant žmones, bet ir greičiau. 2021 m. rugpjūčio mėn. platforma automatiškai išanalizavo 17 milijonų vaizdų.

Taip pat yra kliūčių, kurias, atrodo, gali įveikti tik kompiuteris. „Žmonės ne patys geriausiai supranta, kas yra informacinis aspektas“, – sako ji ir pažymi, kaip žmonės yra šališki gamtoje, daugiausia dėmesio skiriant veido bruožams. Vietoj to, dirbtinis intelektas gali nuskaityti bruožus, kurių žmonės greičiausiai nepastebėtų, pavyzdžiui, tigro kandžių sparnų spalvų gamą. 2022 m. kovo mėn. atliktas tyrimas parodė, kad žmogaus akis negali atskirti polimorfinių medinių tigrų kandžių genotipų, tačiau kandžių regėjimo modeliai, jautrūs ultravioletinei šviesai, gali.

„Štai čia ir slypi visos tikrosios naujovės“, – sako Berger-Wolf. Komanda diegia algoritmus, kurie sukuria raštuotų gyvūnų, tokių kaip leopardai, zebrai ir bangininiai rykliai, pikselių reikšmes ir analizuoja tas vietas, kuriose pikselių reikšmės keičiasi labiausiai – tai tarsi pirštų atspaudų palyginimas. Turėdami šiuos pirštų atspaudus, mokslininkai gali stebėti gyvūnus neinvaziškai ir be GPS antkaklių, suskaičiuoti juos, kad įvertintų populiacijos dydį, suprastų migracijos modelius ir dar daugiau.

Kaip pabrėžia Bergeris-Volfas, populiacijos dydis yra pagrindinė rūšies gerovės metrika. Platforma nuskenavo 11 000 banginių ryklių vaizdų, kad sukurtų karštąsias vietas ir padėtų tyrėjams atpažinti atskirus bangininius ryklius ir sekti jų judėjimą, todėl buvo gauta atnaujinta informacija apie jų populiacijos dydį. Šie nauji duomenys paskatino IUCN pakeisti banginio ryklio apsaugos statusą iš „pažeidžiamo“ į „nykstantį“ 2016 m.

Taip pat yra algoritmų, naudojančių primatų ir kačių veidų atpažinimą, kurių tikslumas yra apie 90 procentų, o žmonių – apie 42 procentus.

Generatyvusis dirbtinis intelektas vis dar auga laukinės gamtos išsaugojimo srityje, tačiau Berger-Wolf tikisi. Kol kas komanda valo preliminarius leopardo karštųjų taškų duomenis, siekdama įsitikinti, kad rezultatai nėra duomenų artefaktai arba klaidingi ir yra tikra biologiškai reikšminga informacija. Jei duomenys būtų prasmingi, jie galėtų išmokyti tyrėjus, kaip rūšys reaguoja į besikeičiančias buveines ir klimatą, ir parodyti, kur žmonės gali padėti.

Parašykite komentarą

El. pašto adresas nebus skelbiamas.