Η τεχνητή νοημοσύνη βοηθά στην παρατήρηση προηγουμένως ανεπιβεβαίωτων συμπεριφορών ζώων

Μια από τις πιο ενθουσιαστικές πτυχές της τεχνητής νοημοσύνης (AI) είναι ότι η τεχνολογία βοηθά συνεχώς τους ειδικούς 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 ανεπιβεβαίωτων συμπεριφορών σε θαλάσσια πουλιά, συγκεκριμένα σε σχέση με την αναζήτηση τροφής.

Βιο-λογγिंγ

Μια από τις τεχνικές που χρησιμοποιούνται目前 για την παρατήρηση των άγριων ζώων, συμπεριλαμβανομένων των συμπεριφορών και των κοινωνικών αλληλεπιδράσεων, είναι η βιο-λογγίνγκ. Η τεχνική αυτή περιλαμβάνει την τοποθέτηση ελαφριών βιντεοκαμερών ή άλλων συσκευών που συλλέγουν δεδομένα στο σώμα των ζώων. Ενώ η βιο-λογγίνγκ θεωρείται μια από τις καλύτερες τεχνικές για την αποφυγή της διατάραξης του ζώου, έχει κάποια μειονεκτήματα.
Συγκεκριμένα, η βιο-λογγίνγκ 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 ermöglicht βελτιωμένη ακρίβεια για βιο-λογγέρς σε θαλάσσια πουλιά”.
“Από τη στιγμή που οι βιο-λογγέρς που είναι συνδεδεμένοι με μικρά ζώα πρέπει να είναι μικροί και ελαφριοί, έχουν σύντομη διάρκεια ζωής και ήταν因此 δύσκολο να καταγράψουν ενδιαφέρουσες σπάνιες συμπεριφορές”, είπε ο Maekawa.
“Έχουμε αναπτύξει μια νέα συσκευή βιο-λογγίνγκ 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 επιταχύνσεις και γεωγραφικά συστήματα 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 τώρα χρειάζεται να χρησιμοποιηθούν μόνο κατά τις πιο πιθανές στιγμές κατά τις οποίες η συγκεκριμένη στόχος συμπεριφορά μπορεί να καταγραφεί.
https://www.youtube.com/watch?v=Xybdokb4g9s
 

Συνδυασμένο με μηχανική μάθηση

Με τον συνδυασμό αυτών των συστημάτων 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 του Πανεπιστημίου του Όσака δοκιμάστηκε σε μαύρες στέρνες και ραχιαίες στέρνες. Και τα δύο ζώα κρατήθηκαν στο φυσικό τους περιβάλλον, το οποίο βρίσκεται σε νησιά außerhalb της ακτής της Ιαπωνίας.
Ο Joseph Korpela είναι ο συγγραφέας του εγγράφου.
“Η νέα μέθοδος βελτίωσε την ανίχνευση των συμπεριφορών αναζήτησης τροφής στις μαύρες στέρνες 15 φορές σε σύγκριση με τη μέθοδο τυχαίου δειγματοληψίας”, είπε ο Korpela. “Στις ραχιαίες στέρνες, εφαρμόσαμε ένα σύστημα AI-εξοπλισμένο με GPS για να ανιχνεύσουμε συγκεκριμένες τοπικές πτήσεις των πουλιών. Το σύστημα GPS είχε ακρίβεια 0,59 – πολύ υψηλότερη από το 0,07 μιας περιοδικής μεθόδου δειγματοληψίας που涉λαμβάνει την ενεργοποίηση της κάμερας κάθε 30 λεπτά”.
Σύμφωνα με τους ερευνητές, υπάρχουν πολλές πιθανές εφαρμογές για αυτή τη τεχνολογία AI, συμπεριλαμβανομένων των αντι-θηρίων χρήσεων και για να αποκτήσουν πληροφορίες σχετικά με τις σχέσεις και τις αλληλεπιδράσεις μεταξύ ανθρώπων και άγριων ζώων.
“Αυτά τα συστήματα έχουν einen巨大的範圍 πιθανών εφαρμογών, συμπεριλαμβανομένης της ανίχνευσης δραστηριοτήτων θήρευσης με αντι-θηρίες ετικέτες”, λέει ο Maekawa. “Αντιλαμβανόμαστε 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 κορωνοϊού”.