Η τεχνητή νοημοσύνη βοηθά στην παρατήρηση προηγουμένως ανεported動物 συμπεριφορών

Μια από τις πιο ενθουσιώδεις πτυχές της τεχνητής νοημοσύνης (AI) είναι ότι η τεχνολογία βοηθά συνεχώς τους εμπειρογνώμονες να ανακαλύπτουν νέες πληροφορίες για το περιβάλλον μας. Αυτό είναι το caso مرة أخرى, καθώς μια ερευνητική ομάδα από το Πανεπιστήμιο του Όσака έχει δημιουργήσει ένα νέο σύστημα συλλογής δεδομένων που βασίζεται στην τεχνητή νοημοσύνη. Αυτό το σύστημα είναι αυτό που βοήθησε στην ανακάλυψη προηγουμένως ανεported συμπεριφορών σε θαλάσσια πουλιά, συγκεκριμένα σε σχέση με την αναζήτηση τροφής.

Βιο-Καταγραφή

Μια από τις τεχνικές που χρησιμοποιούνται目前 για την παρατήρηση των άγριων ζώων, συμπεριλαμβανομένων των συμπεριφορών και των κοινωνικών αλληλεπιδράσεων, είναι η βιο-καταγραφή. Η τεχνική αυτή περιλαμβάνει την τοποθέτηση ελαφριών βιντεοκαμερών ή άλλων συσκευών που σκοπό έχουν τη συλλογή δεδομένων στο σώμα των ζώων. Ενώ η βιο-καταγραφή θεωρείται μια από τις καλύτερες τεχνικές για την αποφυγή της διατάραξης του ζώου, έχει κάποια μειονεκτήματα.

Συγκεκριμένα, η βιο-καταγραφή απαιτεί υψηλό επίπεδο αυτονομίας μπαταρίας, και τα συστήματα είναι ακριβά.

Ο Takuya Maekawa είναι ο συγγραφέας της μελέτης, η οποία δημοσιεύθηκε στο Communications Biology και είχε τον τίτλο “Η μηχανική μάθηση επιτρέπει την βελτίωση της ακρίβειας του χρόνου λειτουργίας για τους βιο-καταγραφείς στα θαλάσσια πουλιά.”

“Εφόσον οι βιο-καταγραφείς που είναι προσαρτημένοι σε μικρά ζώα πρέπει να είναι μικροί και ελαφριοί, έχουν σύντομο χρόνο λειτουργίας και ήταν因此 δύσκολο να καταγράψουν ενδιαφέρουσες σπάνιες συμπεριφορές,” είπε ο Maekawa.

“Έχουμε αναπτύξει μια νέα συσκευή βιο-καταγραφής που είναι εξοπλισμένη με τεχνητή νοημοσύνη, η οποία μας επιτρέπει να ανιχνεύουμε και να καταγράφουμε αυτόματα τις συγκεκριμένες στόχους συμπεριφορές που μας ενδιαφέρουν, με βάση δεδομένα από φθηνές αισθητήρες όπως τα aksελερόμετρα και τα συστήματα γεωγραφικής θέσης (GPS),” συνέχισε ο Maekawa.

Με τη χρήση των φθηνών αισθητήρων, μπορεί να μειωθεί η εξάρτηση από τους ακριβούς αισθητήρες, οι οποίοι περιλαμβάνουν βιντεοκαμερές. Αυτοί οι ακριβοί αισθητήρες χρειάζονται να χρησιμοποιηθούν μόνο κατά τις πιο πιθανές ώρες στις οποίες η συγκεκριμένη στόχος συμπεριφορά μπορεί να καταγραφεί.

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

Συνδυασμένος με τη Μηχανική Μάθηση

Συνδυάζοντας αυτά τα συστήματα με τεχνικές μηχανικής μάθησης, οι ακριβοί αισθητήρες μπορούν να στοχεύουν στις συμπεριφορές που είναι πολύ ενδιαφέρουσες αλλά σπάνιες. Αυτό σημαίνει ότι αυτές οι σπάνιες συμπεριφορές έχουν μεγαλύτερη πιθανότητα να παρατηρηθούν.

Το σύστημα βιντεοκαμερών που αναπτύχθηκε από την ομάδα στο Πανεπιστήμιο του Όσака δοκιμάστηκε σε μαύρα-ουρά πουλιά και λευκά πουλιά. Και τα δύο ζώα κρατήθηκαν στο φυσικό τους περιβάλλον, το οποίο βρίσκεται σε νησιά κοντά στην Ιαπωνία.

Ο Joseph Korpela είναι ο κύριος συγγραφέας του εγγράφου.

“Η νέα μέθοδος βελτίωσε την ανίχνευση των συμπεριφορών αναζήτησης τροφής στα μαύρα-ουρά πουλιά 15 φορές σε σχέση με τη μέθοδο τυχαίου δειγματοληψίας,” είπε ο Korpela. “Στα λευκά πουλιά, εφαρμόσαμε ένα σύστημα GPS που ήταν εξοπλισμένο με τεχνητή νοημοσύνη για να ανιχνεύσουμε συγκεκριμένες τοπικές πτήσεις των πουλιών. Το σύστημα GPS είχε ακρίβεια 0,59 – πολύ υψηλότερη από την ακρίβεια 0,07 της μεθόδου περιοδικής δειγματοληψίας που涉λούσε την ενεργοποίηση της камέρας κάθε 30 λεπτά.”

Σύμφωνα με τους ερευνητές, υπάρχουν πολλές πιθανές εφαρμογές για αυτή τη τεχνολογία AI, συμπεριλαμβανομένων των αντι-κυνηγιών και για να αποκτήσουμε πληροφορίες σχετικά με τις σχέσεις και τις αλληλεπιδράσεις μεταξύ των ανθρώπων και των άγριων ζώων.

“Αυτά τα συστήματα έχουν einen μεγάλο εύρος πιθανών εφαρμογών, συμπεριλαμβανομένης της ανίχνευσης δραστηριοτήτων κυνηγιού με τη χρήση αντι-κυνηγιών ετικετών,” λέει ο Maekawa. “Αναμένουμε επίσης ότι αυτό το έργο θα χρησιμοποιηθεί για να αποκαλύψει τις αλληλεπιδράσεις μεταξύ της ανθρώπινης κοινωνίας και των άγριων ζώων που μεταδίδουν επιδημίες όπως ο ιός του κοροναϊού.”