Tekoäly auttaa havainnoimaan aiemmin havaitsemattomia eläinten käyttäytymismalleja

Yksi tekoälyn (AI) jännittävimmistä puolista on, että teknologia auttaa jatkuvasti asiantuntijoita löytämään uutta tietoa ympäristöstämme. Tämä on tapahtumassa jälleen, kun Osaka Universityn tutkimusryhmä on kehittänyt uuden eläinten kantamisen datankeräysjärjestelmän, joka perustuu tekoälyyn. Tämä järjestelmä on auttanut löytämään aiemmin havaitsemattomia käyttäytymismalleja merilinnuissa, erityisesti ravinnonhankinnassa.

Biologinen lokaus

Yksi nykyisin käytettävistä tekniikoista villien eläinten havainnoimiseksi, mukaan lukien heidän käyttäytymisensä ja sosiaaliset vuorovaikutuksensa, on biologinen lokaus. Tekniikka käyttää kevyitä videokameroita tai muita laitteita, jotka on tarkoitettu datan keräämiseen, ja kiinnittää ne eläinten ruumiisiin. Vaikka biologinen lokaus nähdään yhtenä parhaista tekniikoista eläinten häirinnän estämiseksi, sillä on joitakin haittoja.

Nimenomaan, biologinen lokaus vaatii korkean akun kestoa, ja järjestelmät ovat kalliita.

Takuya Maekawa on tutkimuksen vastaava tekijä, joka on julkaistu Communications Biology ja nimeltään “Machine learning enables improved runtime precision for bio-loggers on seabirds.”

“Koska bio-lokkerit, jotka on kiinnitetty pieniin eläimiin, on oltava pieniä ja kevyitä, niillä on lyhyt toiminta-aika, ja se teki vaikeaksi tallentaa mielenkiintoisia, satunnaisia käyttäytymismalleja,” Maekawa sanoi.

“Olemme kehittäneet uuden tekoälyllä varustetun biologisen lokauslaitteen, joka mahdollistaa automaattisen havainnon ja tallentamisen tiettyjen kohde-eläinten käyttäytymisestä, käyttäen edullisia antureita, kuten kiihtyvyysantureita ja maantieteellisiä sijaintijärjestelmiä (GPS),” Maekawa jatkoi.

Edullisten anturien avulla voidaan vähentää riippuvuutta kalliista antureista, kuten videokameroista. Nämä kalliit anturit ovat tarpeen vain silloin, kun tietyn kohde-eläimen käyttäytymisen on todennäköisesti voidaan havaita.

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

Yhdistetty tekoälyyn

Tekoälytekniikoiden yhdistäminen näihin järjestelmiin mahdollistaa kalliiden anturien kohdentamisen käyttäytymismalleja, jotka ovat hyvin mielenkiintoisia, mutta satunnaisia. Tämä tarkoittaa, että nämä satunnaiset käyttäytymismallit voidaan havaita todennäköisemmin.

Osaka Universityn tutkimusryhmän kehittämä tekoälyavusteinen videokamerajärjestelmä testattiin mustapyrstöllisillä lokkeilla ja raidanokilla. Molemmat eläimet pidettiin luonnollisissa elinympäristöissään, jotka sijaitsevat Japanin rannikon saarilla.

Joseph Korpela on tutkimuksen päätekijä.

“Uusi menetelmä paransi mustapyrstöllisten lokkien ravinnonhankintakäyttäytymisen havainnon 15-kertaisesti satunnaisen otantamenetelmään verrattuna,” Korpela sanoi. “Raidanokilla sovelsimme GPS-pohjaista tekoälyjärjestelmää tiettyjen paikallisten lentotoimintojen havainnoimiseksi. GPS-pohjainen järjestelmä oli tarkin, 0,59, paljon tarkempi kuin 0,07 jaksollisessa otantamenetelmässä, jossa kamera käynnistettiin joka 30 minuutin välein.”

Tutkijoiden mukaan on monia mahdollisia sovelluksia tälle tekoälytekniikalle, mukaan lukien anti-pyynnin käyttö ja ihmisen ja villien eläinten välisen vuorovaikutuksen ja epidemien, kuten koronavirus, tutkiminen.

“Nämä järjestelmät ovat laajasti sovellettavissa, mukaan lukien pyynninvalvontatoimintoja vastaan anti-pyynnin merkitsemiseen,” Maekawa sanoo. “Odotamme myös, että tämä työ paljastaa ihmisyhteiskunnan ja villien eläinten välisen vuorovaikutuksen, joka välittää epidemioita, kuten koronavirus.”