Ahli AI Mengembangkan Pendekatan Big Data untuk Pelestarian Satwa Liar

Sebuah kelompok ahli kecerdasan buatan (AI) dan ekologi hewan di Ecole Polytechnique Fédérale de Lausanne telah mengembangkan pendekatan big data baru untuk meningkatkan penelitian tentang spesies satwa liar dan memperbaiki pelestarian satwa liar.

Studi baru ini diterbitkan di Nature Communications.

Mengumpulkan Data tentang Satwa Liar

Bidang ekologi hewan sekarang bergantung pada big data dan Internet of Things, dengan jumlah data yang besar dikumpulkan tentang populasi satwa liar melalui teknologi seperti satelit, drone, dan kamera otomatis. Teknologi baru ini menghasilkan perkembangan penelitian yang lebih cepat sambil juga meminimalkan gangguan pada habitat alami.

Banyak program AI digunakan untuk menganalisis dataset besar, tetapi mereka sering kali umum dan tidak cukup presisi untuk mengamati perilaku dan penampilan hewan liar.

Tim ilmuwan mengembangkan pendekatan baru untuk mengatasi hal ini, dan mereka melakukannya dengan menggabungkan kemajuan dalam penglihatan komputer dengan keahlian ekologi.

Menggunakan Keahlian Ekologi

Ekologi saat ini menggunakan AI dan penglihatan komputer untuk mengekstrak fitur kunci dari gambar, video, dan bentuk visual data lainnya, yang memungkinkan mereka melakukan tugas seperti mengklasifikasikan spesies satwa liar dan menghitung hewan individu. Namun, program generik yang sering digunakan untuk memproses data ini terbatas dalam kemampuan mereka untuk menggunakan pengetahuan yang ada tentang hewan. Mereka juga sulit untuk disesuaikan dan rentan terhadap masalah etika yang terkait dengan data sensitif.

Prof. Devis Tuia adalah kepala Laboratorium Ilmu Komputasi Lingkungan dan Pengamatan Bumi EPFL dan penulis utama studi ini.

“Kami ingin mendapatkan lebih banyak peneliti yang tertarik dengan topik ini dan menggabungkan upaya mereka sehingga kita dapat maju dalam bidang yang muncul ini. AI dapat berfungsi sebagai katalisator kunci dalam penelitian satwa liar dan perlindungan lingkungan yang lebih luas,” kata Prof. Tuia.

Untuk mengurangi margin kesalahan program AI yang dilatih untuk mengenali spesies tertentu, ilmuwan komputer perlu dapat menggunakan pengetahuan ahli ekologi hewan.

Prof. Mackenzie Mathis adalah kepala Ketua Yayasan Bertarelli untuk Neurosains Integratif EPFL dan co-penulis studi ini.

“Inilah tempat di mana penggabungan ekologi dan pembelajaran mesin sangat penting: ahli biologi lapangan memiliki pengetahuan domain yang sangat besar tentang hewan yang dipelajari, dan tugas kami sebagai peneliti pembelajaran mesin adalah bekerja sama dengan mereka untuk membangun alat untuk menemukan solusi,” katanya.

Ini bukan pertama kalinya Tuia dan tim peneliti menangani masalah ini. Tim sebelumnya mengembangkan program untuk mengenali spesies hewan berdasarkan gambar drone, sementara Mathis dan timnya mengembangkan paket perangkat lunak sumber terbuka untuk membantu ilmuwan memperkirakan dan melacak pose hewan.

Untuk pekerjaan baru ini, tim berharap dapat menarik perhatian yang lebih luas.

“Komunitas sedang terbentuk secara perlahan,” kata Tuia. “Sampai sekarang kita telah menggunakan mulut ke mulut untuk membangun jaringan awal. Kita pertama kali memulai dua tahun yang lalu dengan orang-orang yang sekarang menjadi penulis utama artikel lain: Benjamin Kellenberger, juga di EPFL; Sara Beery di Caltech di AS; dan Blair Costelloe di Institut Max Planck di Jerman.”