AI hjælper med at observere tidligere urapporterede dyreadfærd

En af de mest spændende aspekter af kunstig intelligens (AI) er, at teknologien konstant hjælper eksperter med at opdage nye oplysninger om vores omgivelser. Dette er tilfældet igen, da et forskningsteam fra Osaka University har udviklet et nyt dyrbåret dataindsamlingssystem, der afhænger af AI. Dette system er, hvad der har hjulpet med at opdage tidligere urapporterede adfærd hos havfugle, specifikt i forhold til fødeindtagning.

Bio-logging

En af de tekniker, der i øjeblikket anvendes til at observere vilde dyr, herunder deres adfærd og sociale interaktioner, er bio-logging. Teknikken indebærer at montere letvægtsvideooptagere eller andre enheder, der er designet til at indsamle data, på dyrenes kroppe. Mens bio-logging anses for at være en af de bedste teknikker til at undgå forstyrrelse af dyret, har den nogle ulemper.
Specifikt kræver bio-logging en høj niveau af batteriliv, og systemerne er dyre.
Takuya Maekawa er den medforfatter af studiet, der er offentliggjort i Communications Biology og har titlen “Machine learning enables improved runtime precision for bio-loggers on seabirds.”
“Da bio-loggere, der er fastgjort til små dyr, skal være små og letvægts, har de kort runtime, og det var derfor svært at optage interessante, sjældne adfærd,” sagde Maekawa.
“Vi har udviklet en ny AI-udstyret bio-logging-enhed, der tillader os at automatisk registrere og optage de specifikke måladfærd, der er af interesse, baseret på data fra billige sensorer som accelerometre og geografiske positionssystemer (GPS),” fortsatte Maekawa.
Med brug af de billige sensorer kan der lægges mindre vægt på de dyre sensorer, der inkluderer videooptagere. Disse dyre sensorer behøver kun at anvendes under de mest sandsynlige tidspunkter, hvor den specifikke måladfærd kan registreres.
https://www.youtube.com/watch?v=Xybdokb4g9s
 

Parret med maskinlæring

Ved at parre disse systemer med maskinlæringsmetoder kan de dyre sensorer rettes mod adfærd, der er meget interessant, men sjælden. Dette betyder, at disse sjældne adfærd har en højere chance for at blive observeret.
Det AI-assisterede videooptagelsessystem, der er udviklet af holdet på Osaka University, blev testet på sort-halede måger og striberede skarver. Begge dyr blev holdt i deres naturlige omgivelser, der er på øer ud for Japans kyst.
Joseph Korpela er hovedforfatter af artiklen.
“Den nye metode forbedrede registreringen af fødeadfærd hos sort-halede måger 15 gange i forhold til den tilfældige stikprøvemetode,” sagde Korpela. “Hos striberede skarver anvendte vi et GPS-baseret AI-udstyret system til at registrere specifikke lokale flyveaktiviteter hos disse fugle. Det GPS-baserede system havde en præcision på 0,59 – langt højere end 0,07 for en periodisk stikprøvemetode, der involverer at slå kameraet til hver 30. minut.”
Ifølge forskerne er der mange mulige anvendelser for denne AI-teknologi, herunder brug til at forhindre tyveri og til at få indsigt i forholdet og interaktionen mellem mennesker og vilde dyr.
“Disse systemer har en enorm række af mulige anvendelser, herunder registrering af tyveriaktivitet ved hjælp af anti-tyveri-mærker,” siger Maekawa. “Vi forventer også, at dette arbejde vil blive anvendt til at afsløre interaktionen mellem menneskesamfund og vilde dyr, der overfører epidemier som coronavirus.”