Μοντέλα και πλατφόρμες AI
Οι εμπειρογνώμονες του AI αναπτύσσουν μια προσέγγιση μεγάλων δεδομένων για τη διατήρηση της άγριας φύσης

Βασικά σημείαΗ ομάδα του EPFL συνδυάζει την υπολογιστική όραση με την εμπειρογνωμοσύνη των οικολόγων…
Δείτε περισσότερα
- Η ομάδα του EPFL συνδυάζει την υπολογιστική όραση με την εμπειρογνωμοσύνη των οικολόγων για να βελτιώσει την τεχνητή νοημοσύνη στην άγρια ζωή.
- Τα γενικά προγράμματα τεχνητής νοημοσύνης στερούνται ακρίβειας για την αναγνώριση ειδών και ενέχουν ηθικούς κινδύνους.
- Το λογισμικό ανοιχτού κώδικα από το EPFL βοηθά τους επιστήμονες να εκτιμούν και να παρακολουθούν τις στάσεις των ζώων.
Μια ομάδα εμπειρογνωμόνων της τεχνητής νοημοσύνης (AI) και της ζωικής οικολογίας στο Ecole Polytechnique Fédérale de Lausanne έχει αναπτύξει μια νέα προσέγγιση μεγάλων δεδομένων για την ενίσχυση της έρευνας για τα είδη της άγριας φύσης και τη βελτίωση της διατήρησης της άγριας φύσης.
Η νέα μελέτη δημοσιεύθηκε στο Nature Communications.
Συλλογή Δεδομένων για την Άγρια Φύση
Το πεδίο της ζωικής οικολογίας εξαρτάται τώρα από τα μεγάλα δεδομένα και το Διαδίκτυο των Πραγμάτων, με τεράστιες ποσότητες δεδομένων που συλλέγονται για τους πληθυσμούς άγριων ζώων μέσω τεχνολογιών όπως δορυφόροι, drones και αυτόματες κάμερες. Αυτές οι νέες τεχνολογίες οδηγούν σε ταχύτερη ανάπτυξη της έρευνας ενώ ελαχιστοποιούν τη διατάραξη των φυσικών οικοσυστημάτων.
Πολλά προγράμματα AI χρησιμοποιούνται για την ανάλυση μεγάλων συνόλων δεδομένων, αλλά συχνά είναι γενικά και δεν είναι αρκετά ακριβή για την παρατήρηση της συμπεριφοράς και της εμφάνισης των άγριων ζώων.
Η ομάδα των επιστημόνων ανέπτυξε μια νέα προσέγγιση για να ξεπεραστεί αυτό, και το έκανε συνδυάζοντας προόδους στην υπολογιστική όραση με την εμπειρογνωσία των οικολογών.
Αξιοποίηση της Εμπειρογνωσίας των Οικολογών
Οι οικολόγοι χρησιμοποιούν σήμερα την AI και την υπολογιστική όραση για να εξαγάγουν βασικά χαρακτηριστικά από εικόνες, βίντεο και άλλες οπτικές μορφές δεδομένων, που τους επιτρέπουν να εκτελέσουν εργασίες όπως η ταξινόμηση των ειδών της άγριας φύσης και η καταμέτρηση μεμονωμένων ζώων. Ωστόσο, τα γενικά προγράμματα που χρησιμοποιούνται για την επεξεργασία αυτών των δεδομένων έχουν περιορισμένες ικανότητες να αξιοποιήσουν την υπάρχουσα γνώση για τα ζώα. Είναι επίσης δύσκολο να προσαρμοστούν και είναι ευάλωτα σε ηθικά ζητήματα που σχετίζονται με ευαίσθητα δεδομένα.
Ο καθηγητής Devis Tuia είναι ο επικεφαλής του Εργαστηρίου Περιβαλλοντικής Υπολογιστικής Επιστήμης και Παρατήρησης της Γης του EPFL και ο βασικός συγγραφέας της μελέτης.
“Θελήσαμε να κάνουμε περισσότερους ερευνητές να ενδιαφερθούν για αυτό το θέμα και να συνδυάσουν τις προσπάθειές τους για να προχωρήσουμε σε αυτό το αναδυόμενο πεδίο. Η AI μπορεί να χρησιμεύσει ως κλειδί καταλύτης στην έρευνα για την άγρια φύση και την περιβαλλοντική προστασία σε ευρύτερη κλίμακα”, λέει ο καθηγητής Tuia.
Για να μειώσουμε το περιθώριο λάθους ενός προγράμματος AI που έχει εκπαιδευτεί για να αναγνωρίσει ένα συγκεκριμένο είδος, οι επιστήμονες υπολογιστών θα πρέπει να μπορέσουν να αξιοποιήσουν την γνώση των οικολογών.
Η καθηγήτρια Mackenzie Mathis είναι η επικεφαλής της Καθέδρας Ολοκληρωμένης Νευροεπιστήμης του Ιδρύματος Bertarelli στο EPFL και συν-συγγραφέας της μελέτης.
“Εδώ είναι όπου η συνδυαστική προσέγγιση της οικολογίας και της μηχανικής μάθησης είναι κλειδί: ο βιολόγος πεδίου έχει τεράστια γνώση για τα ζώα που μελετώνται, και η δουλειά μας ως ερευνητών της μηχανικής μάθησης είναι να συνεργαστούμε μαζί τους για να χτίσουμε εργαλεία για να βρούμε μια λύση”, είπε.
Αυτή δεν είναι η πρώτη φορά που ο Tuia και η ομάδα των ερευνητών έχουν αντιμετωπίσει αυτό το ζήτημα. Η ομάδα είχε προηγουμένως αναπτύξει ένα πρόγραμμα για να αναγνωρίσει είδη ζώων με βάση εικόνες από drones, ενώ η Mathis και η ομάδα της είχαν αναπτύξει ένα ανοικτό λογισμικό για να βοηθήσουν τους επιστήμονες να εκτιμήσουν και να παρακολουθήσουν τις στάσεις των ζώων.
Για τη νέα εργασία, η ομάδα ελπίζει ότι θα μπορέσει να προσεγγίσει ένα ευρύτερο κοινό.
“Μια κοινότητα σχηματίζεται σταθερά”, λέει ο Tuia. “Μέχρι τώρα έχουμε βασιστεί στη διάδοση από στόμα σε στόμα για να χτίσουμε ένα αρχικό δίκτυο. Ξεκινήσαμε πριν από δύο χρόνια με τους ανθρώπους που είναι τώρα οι υπόλοιποι βασικοί συγγραφείς του άρθρου: Benjamin Kellenberger, επίσης στο EPFL, Sara Beery στο Caltech στις Ηνωμένες Πολιτείες και Blair Costelloe στο Ινστιτούτο Max Planck στη Γερμανία.”












