KI hilft bei der Beobachtung bisher unberichteter Tierverhaltensweisen

Eine der aufregendsten Aspekte der künstlichen Intelligenz (KI) ist, dass die Technologie Experten dabei hilft, neue Informationen über unsere Umwelt zu entdecken. Dies ist wieder einmal der Fall, da ein Forschungsteam der Osaka University ein neues tiertragendes Daten-Sammelsystem entwickelt hat, das auf KI basiert. Dieses System half dabei, bisher unberichtete Verhaltensweisen bei Seevögeln, insbesondere bei der Nahrungssuche, zu entdecken.

Bio-Logging

Eine der derzeit verwendeten Techniken, um wilde Tiere, einschließlich ihres Verhaltens und ihrer sozialen Interaktionen, zu beobachten, ist Bio-Logging. Die Technik beinhaltet das Anbringen von leichten Videokameras oder anderen Geräten, die dazu bestimmt sind, Daten zu sammeln, auf den Körpern der Tiere. Obwohl Bio-Logging als eine der besten Techniken zur Vermeidung von Störungen der Tiere gilt, hat es einige Nachteile.

Insbesondere erfordert Bio-Logging eine hohe Batterielebensdauer, und die Systeme sind teuer.

Takuya Maekawa ist der entsprechende Autor der Studie, die in Communications Biology veröffentlicht wurde und den Titel „Machine Learning ermöglicht verbesserte Laufzeitgenauigkeit für Bio-Logger auf Seevögeln“ trägt.

„Da Bio-Logger, die an kleine Tiere angebracht werden, klein und leicht sein müssen, haben sie eine kurze Laufzeit und es war daher schwierig, interessante, seltene Verhaltensweisen aufzuzeichnen“, sagte Maekawa.

„Wir haben ein neues KI-ausgestattetes Bio-Logging-Gerät entwickelt, das es uns ermöglicht, bestimmte Zielverhaltensweisen automatisch zu erkennen und aufzuzeichnen, basierend auf Daten von günstigen Sensoren wie Beschleunigungsmessern und GPS-Systemen“, fuhr Maekawa fort.

Durch die Verwendung der günstigen Sensoren kann weniger Wert auf die teuren Sensoren gelegt werden, zu denen auch Videokameras gehören. Diese teuren Sensoren müssen dann nur während der wahrscheinlichsten Zeiten verwendet werden, in denen das bestimmte Zielverhalten aufgezeichnet werden kann.

https://www.youtube.com/watch?v=Xybdokb4g9s

Paired with Machine Learning

Indem diese Systeme mit Machine-Learning-Techniken kombiniert werden, können die teuren Sensoren auf Verhaltensweisen gerichtet werden, die sehr interessant, aber selten sind. Dies bedeutet, dass diese seltenen Verhaltensweisen eine höhere Chance haben, beobachtet zu werden.

Das von der Osaka-Universität entwickelte KI-unterstützte Videokamerasystem wurde an schwarzköpfigen Möwen und gestreiften Wellenläufern getestet. Beide Tiere wurden in ihrer natürlichen Umgebung gehalten, die auf Inseln vor der Küste Japans liegt.

Joseph Korpela ist der Hauptautor des Papiers.

„Die neue Methode verbesserte die Erkennung von Nahrungssuchverhaltensweisen bei den schwarzköpfigen Möwen um das 15-fache im Vergleich zur zufälligen Stichprobennahme“, sagte Korpela. „Bei den gestreiften Wellenläufern wendeten wir ein GPS-basiertes KI-ausgestattetes System an, um bestimmte lokale Flugaktivitäten dieser Vögel zu erkennen. Das GPS-basierte System hatte eine Genauigkeit von 0,59 – weit höher als die 0,07 einer periodischen Stichprobennahme, bei der die Kamera alle 30 Minuten eingeschaltet wurde.“

Laut den Forschern gibt es viele mögliche Anwendungen für diese KI-Technologie, einschließlich Anti-Wilderei-Anwendungen und um Einblicke in die Beziehungen und Interaktionen zwischen Menschen und wilden Tieren zu gewinnen.

„Diese Systeme haben eine enorme Bandbreite an möglichen Anwendungen, einschließlich der Erkennung von Wilderei-Aktivitäten mithilfe von Anti-Wilderei-Tags“, sagt Maekawa. „Wir gehen auch davon aus, dass diese Arbeit dazu beitragen wird, die Interaktionen zwischen der menschlichen Gesellschaft und wilden Tieren aufzudecken, die Epidemien wie den Coronavirus übertragen.“