Tekoälyasiantuntijat kehittävät suurten tietojen lähestymistapaa villieläinten säilyttämiseksi

Ecole Polytechnique Fédérale de Lausannen tekoäly- ja eläinekologian asiantuntijaryhmä on kehittänyt uuden suurten tietojen lähestymistapaa villieläinlajien tutkimiseen ja villieläinten säilyttämiseen.

Uusi tutkimus on julkaistu Nature Communications -julkaisussa.

Villieläinten datan kerääminen

Eläinekologian ala riippuu nykyään suurista tiedoista ja Internet of Things -teknologiasta, jolloin valtavat määrät tietoa villieläinpopulaatioista kerätään teknologian avulla, kuten satelliiteista, drooneista ja automaattisista kameroista. Nämä uudet teknologiat johtavat nopeampiin tutkimuskehityksiin ja vähentävät häiriötä luonnonympäristössä.

Monet tekoälyohjelmat 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 tietokoneen näön edistysaskelia ekologien asiantuntemukseen.

Ekologien asiantuntemuksen hyödyntäminen

Ekologit käyttävät nykyään tekoälyä ja tietokoneen näköä visualisoida 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 eettisille ongelmille herkillä tiedoilla.

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 koota heidän pyrkimyksensä eteenpäin tässä kehittyvässä alalla. Tekoäly voi toimia avainkatalysaattorina villieläintutkimuksessa ja ympäristönsuojelussa laajemmin”, sanoo Prof. Tuia.

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

Prof. Mackenzie Mathis on EPFL:n Bertarelli Foundation Chair of Integrative Neuroscien cesin johtaja ja tutkimuksen yhteiskirjoittaja.

“Tässä on se, missä ekologian ja koneoppimisen yhdistäminen on avainasemassa: kenttäbiologiilla 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 suusanatilaisuutta 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.”