KI hilft dabei, zuvor unberichtete Tierverhaltensweisen zu beobachten

Einer der aufregendsten Aspekte der künstlichen Intelligenz (KI) ist, dass die Technologie ständig hilft, Experten neue Informationen über unsere Umwelt zu entdecken. Dies ist wiederum der Fall, als ein Forschungsteam der Osaka University ein neues tiergetragenes Daten-Sammelsystem entwickelt hat, das auf KI basiert. Dieses System half dabei, zuvor unberichtete Verhaltensweisen bei Seevögeln, insbesondere im Hinblick auf die 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 zum Sammeln von Daten bestimmt sind, 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 sind, 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, automatisch bestimmte Zielverhaltensweisen zu erkennen und aufzuzeichnen, basierend auf Daten von günstigen Sensoren wie Beschleunigungsmessern und geografischen Positionsbestimmungssystemen (GPS)”, 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 noch während der wahrscheinlichsten Zeiten verwendet werden, in denen das bestimmte Zielverhalten aufgezeichnet werden kann. 

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

Paarung mit Machine Learning

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

Das von dem Team der Osaka University entwickelte KI-gestützte Videokamerasystem wurde an schwarzschnäbeligen Möwen und gestreiften Wellenläufern getestet. Beide Tiere wurden in ihren natürlichen Umgebungen gehalten, die auf Inseln vor der Küste Japans liegen. 

Joseph Korpela ist der Hauptautor des Papiers.

“Die neue Methode verbesserte die Erkennung von Nahrungssuchverhaltensweisen bei den schwarzschnäbeligen Möwen um das 15-fache im Vergleich zur Methode der zufälligen Stichproben”, sagte Korpela. “Bei den gestreiften Wellenläufern haben wir ein GPS-basiertes KI-ausgestattetes System verwendet, 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 das Coronavirus übertragen.”