KI-Experten entwickeln Big-Data-Ansatz für den Artenschutz

Eine Gruppe von KI- und Tierökologie-Experten an der École Polytechnique Fédérale de Lausanne hat einen neuen Big-Data-Ansatz entwickelt, um die Forschung auf Wildtierarten zu verbessern und den Artenschutz zu stärken.

Die neue Studie wurde in Nature Communications veröffentlicht.

Daten über Wildtiere sammeln

Das Feld der Tierökologie verlässt sich nun auf Big Data und das Internet der Dinge, wobei massive Mengen an Daten über Wildtierpopulationen durch Technologien wie Satelliten, Drohnen und automatische Kameras gesammelt werden. Diese neuen Technologien führen zu schnelleren Forschungsentwicklungen und minimieren gleichzeitig die Störung in natürlichen Lebensräumen.

Viele KI-Programme werden verwendet, um große Datensätze zu analysieren, aber sie sind oft allgemein und nicht präzise genug, um das Verhalten und das Aussehen von Wildtieren zu beobachten.

Das Team der Wissenschaftler entwickelte einen neuen Ansatz, um dies zu umgehen, und kombinierte Fortschritte in der Computer-Vision mit der Expertise von Ökologen.

Die Expertise von Ökologen nutzen

Ökologen verwenden derzeit KI und Computer-Vision, um Schlüsselmerkmale aus Bildern, Videos und anderen visuellen Formen von Daten zu extrahieren, was es ihnen ermöglicht, Aufgaben wie die Klassifizierung von Wildtierarten und das Zählen von einzelnen Tieren durchzuführen. Allerdings sind generische Programme, die oft verwendet werden, um diese Daten zu verarbeiten, in ihrer Fähigkeit begrenzt, vorhandenes Wissen über Tiere zu nutzen. Sie sind auch schwierig anzupassen und neigen zu ethischen Problemen im Zusammenhang mit sensiblen Daten.

Prof. Devis Tuia ist der Leiter des Environmental Computational Science and Earth Observation Laboratory der EPFL und der Hauptautor der Studie.

“Wir wollten mehr Forscher für dieses Thema interessieren und ihre Bemühungen bündeln, um in diesem aufstrebenden Feld voranzukommen. KI kann als Schlüsselkatalysator in der Wildtierforschung und im Umweltschutz im Allgemeinen dienen”, sagt Prof. Tuia.

Um den Fehlerbereich eines KI-Programms, das trainiert ist, eine bestimmte Art zu erkennen, zu reduzieren, müssten Computerwissenschaftler in der Lage sein, das Wissen von Tierökologen zu nutzen.

Prof. Mackenzie Mathis ist der Leiter des Bertarelli Foundation Chair of Integrative Neuroscience der EPFL und Co-Autor der Studie.

“Hier ist es wichtig, dass die Tierökologie und das maschinelle Lernen zusammengeführt werden: Der Feldbiolog hat umfassendes Wissen über die zu untersuchenden Tiere, und unsere Aufgabe als maschinelle Lernforscher ist es, mit ihnen zusammenzuarbeiten, um Lösungen zu finden”, sagte sie.

Dies ist nicht das erste Mal, dass Tuia und das Team von Forschern dieses Problem angegangen sind. Das Team entwickelte zuvor ein Programm, um Tierarten anhand von Drohnenbildern zu erkennen, während Mathis und ihr Team ein Open-Source-Softwarepaket entwickelten, um Wissenschaftlern zu helfen, Tierhaltungen zu schätzen und zu verfolgen.

Was die neue Arbeit betrifft, hofft das Team, dass sie ein breiteres Publikum ansprechen kann.

“Eine Gemeinschaft nimmt allmählich Gestalt an”, sagt Tuia. “Bisher haben wir Mundpropaganda verwendet, um ein anfängliches Netzwerk aufzubauen. Wir begannen vor zwei Jahren mit den Personen, die jetzt die anderen Hauptautoren des Artikels sind: Benjamin Kellenberger, auch an der EPFL; Sara Beery an der Caltech in den USA; und Blair Costelloe am Max-Planck-Institut in Deutschland.”