Odborníci na umělou inteligenci vyvinuli přístup big data pro ochranu volně žijících zvířat

Skupina odborníků na umělou inteligenci a zvířecí ekologii z Ecole Polytechnique Fédérale de Lausanne vyvinula nový přístup big data pro zlepšení výzkumu volně žijících zvířat a ochranu jejich druhů.

Nová studie byla publikována v Nature Communications.

Shromažďování dat o volně žijících zvířatech

Obor zvířecí ekologie nyní spoléhá na big data a Internet věcí, s obrovskými množstvími dat shromažďovaných o populacích volně žijících zvířat pomocí technologií jako satelity, drony a automatické kamery. Tyto nové technologie vedou k rychlejšímu rozvoji výzkumu a同时 minimalizují narušení přirozených habitatů.

Mnoho programů umělých inteligencí je používáno pro analýzu velkých datových sad, ale často jsou příliš obecné a nejsou dostatečně přesné pro pozorování chování a vzhledu volně žijících zvířat.

Tým vědců vyvinul nový přístup, aby tento problém obešel, a to kombinací pokroku v počítačovém vidění s odbornými znalostmi ekologů.

Využití odborných znalostí ekologů

Ekologové目前 používají umělou inteligenci a počítačové vidění pro extrakci klíčových funkcí z obrazů, videí a dalších vizuálních forem dat, což jim umožňuje provádět úkoly jako klasifikace druhů volně žijících zvířat a počítání jednotlivých zvířat. Nicméně, obecné programy, které jsou často používány pro zpracování těchto dat, jsou omezeny ve své schopnosti využít existující znalosti o zvířatech. Jsou také obtížně přizpůsobitelné a náchylné k etickým problémům souvisejícím s citlivými daty.

Prof. Devis Tuia je vedoucím laboratoře Environmentální výpočetní vědy a pozorování Země na EPFL a hlavní autor studie.

“Chtěli jsme získat více výzkumníků, kteří by se zajímali o tuto problematiku, a spojit jejich úsilí, abychom mohli pokročit v tomto nově se rozvíjejícím oboru. Umělá inteligence může sloužit jako klíčový katalyzátor ve výzkumu volně žijících zvířat a ochraně životního prostředí obecně,” říká Prof. Tuia.

Za účelem snížení marže chyby programu umělých inteligencí, který je trénován pro rozpoznání konkrétního druhu, by počítačoví vědci museli využít znalosti zvířecích ekologů.

Prof. Mackenzie Mathis je vedoucím katedry Bertarelli Foundation Chair of Integrative Neuroscience na EPFL a spoluautor studie.

“Zde je místo, kde je spojení ekologie a strojového učení klíčové: biolog má obrovské znalosti o zvířatech, která jsou studována, a naše role jako výzkumníků strojového učení je pracovat s nimi na vývoji nástrojů pro nalezení řešení,” řekla.

Toto není první případ, kdy Tuia a tým výzkumníků řešil tento problém. Tým dříve vyvinul program pro rozpoznání druhů zvířat na základě obrazů z dronů, zatímco Mathis a její tým vyvinuli open-source software pro pomoc vědcům odhadnout a sledovat postoje zvířat.

Co se týče nové práce, tým doufá, že může oslovit širší publikum.

“Komunita se postupně vytváří,” říká Tuia. “Dosud jsme použili ústní reklamu, abychom vytvořili počáteční síť. Začali jsme před dvěma lety s lidmi, kteří jsou nyní dalšími hlavními autory článku: Benjaminem Kellenbergerem, také na EPFL; Sarou Beery na Caltech v USA; a Blairem Costelloem na Max Planck Institute v Německu.”