AI-mallit ja alustat

Tekoälyasiantuntijat kehittävät massadataan perustuvan lähestymistavan luonnonvaraisten eläinten suojeluun

Alex McFarland
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatEPFL-tiimi yhdistää tietokonenäön ja ekologien asiantuntemuksen terävöittääkseen…
Näytä lisää
  • EPFL-tiimi yhdistää tietokonenäön ja ekologien asiantuntemuksen terävöittääkseen villieläinten tekoälyä.
  • Yleisistä tekoälyohjelmista puuttuu tarkkuus lajien tunnistamiseen, ja ne aiheuttavat eettisiä riskejä.
  • EPFL:n avoimen lähdekoodin ohjelmisto auttaa tutkijoita arvioimaan ja seuraamaan eläinten asentoja.

Ecole Polytechnique Fédérale de Lausannen tekoäly- ja eläinekologian asiantuntijaryhmä on kehittänyt uuden massadataan perustuvan lähestymistavan, joka tehostaa luonnonvaraisten eläinlajien tutkimusta ja suojelua.

Uusi tutkimus on julkaistu Nature Communications -julkaisussa.

Villieläinten datan kerääminen

Eläinekologian ala riippuu nykyään massadatasta ja esineiden internetistä, jolloin valtavat määrät tietoa villieläinpopulaatioista kerätään teknologian avulla, kuten satelliiteista, drooneista ja automaattisista kameroista. Nämä uudet teknologiat johtavat nopeampiin tutkimuskehityksiin ja vähentävät häiriötä luonnonympäristössä.

Monia tekoälyohjelmia käytetään suurten tietojoukkojen analysointiin, mutta ne ovat usein yleisiä eivätkä tarpeeksi tarkkoja villien eläinten käyttäytymisen ja ulkonäön havaitsemiseksi.

Tieteilijöiden ryhmä kehitti uuden lähestymistavan, jossa yhdistettiin konenäön edistysaskelia ekologien asiantuntemukseen.

Ekologien asiantuntemuksen hyödyntäminen

Ekologit käyttävät nykyään tekoälyä ja konenäköä poimiakseen keskeisiä piirteitä kuvista, videoista ja muista visuaalisista tietomuodoista, mikä mahdollistaa tehtävien suorittamisen, kuten villieläinlajien luokittelu ja yksittäisten eläinten laskeminen. Kuitenkin yleiset ohjelmat, joita usein käytetään tietojen prosessointiin, ovat rajoittuneita kykynsä hyödyntää olemassa olevaa tietoa eläimistä. Ne ovat myös hankalia mukauttaa ja alttiita arkaluonteisiin tietoihin liittyville eettisille ongelmille.

Prof. Devis Tuia on EPFL:n Ympäristön laskennallisen tieteen ja maan havainnoinnin laboratorion johtaja ja tutkimuksen pääkirjoittaja.

“Halusimme saada enemmän tutkijoita kiinnostumaan tästä aiheesta ja yhdistää heidän työpanoksensa tämän kehittyvän alan edistämiseksi. Tekoäly voi toimia avainkatalysaattorina villieläintutkimuksessa ja ympäristönsuojelussa laajemmin”, sanoo Prof. Tuia.

Jotta voidaan vähentää virhemarginaalia tekoälyohjelmassa, joka on koulutettu tunnistamaan tiettyä lajia, tietojenkäsittelytieteen tutkijoiden on kyettävä hyödyntämään eläinekologien tietoa.

Prof. Mackenzie Mathis on EPFL:n Bertarelli-säätiön integratiivisen neurotieteen professuurin johtaja ja tutkimuksen yhteiskirjoittaja.

“Tässä on se, missä ekologian ja koneoppimisen yhdistäminen on avainasemassa: kenttäbiologilla on valtava määrä tietoa tutkittavista eläimistä, ja meidän koneoppimistutkijoiden tehtävä on työskennellä heidän kanssaan rakentamaan työkaluja ratkaisun löytämiseksi”, hän sanoo.

Tämä ei ole ensimmäinen kerta, kun Tuia ja tutkijaryhmä ovat käsitelleet tätä ongelmaa. Ryhmä on aiemmin kehittänyt ohjelman eläinlajien tunnistamiseksi droonikuvista, kun taas Mathis ja hänen tiiminsä ovat kehittäneet avoimen lähdekoodin ohjelmistopaketin, joka auttaa tutkijoita arvioimaan ja seuraamaan eläinten asentoja.

Uuden työn osalta tiimi toivoo, että se voi saada laajemman yleisön.

“Yhteisö on vakaasti muotoutumassa”, sanoo Tuia. “Olemme käyttäneet suullista viestintää rakentamaan alkuverkostoa. Aloimme kaksi vuotta sitten niiden ihmisten kanssa, jotka ovat nyt artikkelin muiden pääkirjoittajien joukossa: Benjamin Kellenberger, myös EPFL:stä; Sara Beery Caltechista Yhdysvalloissa; ja Blair Costelloe Max Planck -instituutista Saksassa.”

Alex johtaa Unite.AI:n tekoälypohjaista uutistoimintaa, yhdistäen journalismia, tutkimusta ja automaatiota tukeakseen ajantasaista ja skaalautuvaa tekoälyä koskevaa uutisointia. Hänen työnsä auttaa varmistamaan, että nousevat tekoälykehitykset saadaan esiin tehokkaasti samalla kun julkaisun toimitukselliset standardit säilyvät.