Kecerdasan Buatan Mengenali Wajah Primata di Alam Liar

Ilmuwan di Universitas Oxford telah menciptakan perangkat lunak kecerdasan buatan yang dapat mengenali dan melacak wajah kera yang hidup di alam liar. Perangkat lunak baru ini akan membantu peneliti dan ilmuwan untuk mengurangi waktu dan sumber daya yang dibutuhkan untuk menganalisis video kera liar. Ini juga dapat memiliki dampak besar di bidang kecerdasan buatan dan konservasi satwa liar, suatu area yang tidak mendapatkan perhatian yang sama. Penelitian ini diterbitkan di Science Advances.

Dan Schofield, peneliti dan mahasiswa DPhil di Laboratorium Model Primata Universitas Oxford, Sekolah Antropologi, berbicara tentang teknologi baru yang dikembangkan.

“Untuk spesies seperti kera, yang memiliki kehidupan sosial yang kompleks dan hidup selama bertahun-tahun, mendapatkan cuplikan perilaku mereka dari penelitian lapangan jangka pendek hanya dapat memberitahu kita seberapa banyak,” katanya. “Dengan memanfaatkan kekuatan pembelajaran mesin untuk membuka arsip video besar, membuatnya memungkinkan untuk mengukur perilaku dalam jangka panjang, misalnya mengamati bagaimana interaksi sosial kelompok berubah selama beberapa generasi.”

Peneliti mengembangkan kecerdasan buatan baru dengan menggunakan model komputer yang dilatih dengan lebih dari 10 juta gambar dari Institut Penelitian Primata Universitas Kyoto (PRI). Mereka memiliki koleksi video kera liar di Guinea, Afrika Barat. Tidak ada perangkat lunak lain yang dapat melakukan apa yang dapat dilakukan perangkat lunak ini. Ini dapat terus-menerus melacak dan mengenali individu dalam berbagai pose yang berbeda. Ini sangat akurat, bahkan dalam kondisi yang sulit seperti pencahayaan rendah, kualitas gambar yang buruk, dan blur gerak.

Arsha Nagrani adalah co-penulis studi dan mahasiswa DPhil di Departemen Ilmu Pengetahuan Teknik, Universitas Oxford.

“Akses ke arsip video besar ini memungkinkan kita untuk menggunakan jaringan saraf dalam untuk melatih model dengan skala yang sebelumnya tidak mungkin,” kata Nagrani. “Selain itu, metode kami berbeda dari perangkat lunak pengenalan wajah primata sebelumnya karena dapat diterapkan pada footage video mentah dengan intervensi manual atau pra-pengolahan yang terbatas, sehingga menghemat jam dan sumber daya.”

Sementara perangkat lunak baru ini saat ini digunakan dengan kera, ada banyak area lain yang dapat diuntungkan. Ini akan sangat berguna dalam memantau spesies untuk konservasi, dan dapat diterapkan pada spesies lain selain kera. Teknologi baru ini akan membantu memimpin kecerdasan buatan digunakan untuk memecahkan masalah di alam liar.

“Semua perangkat lunak kami tersedia secara open-source untuk komunitas penelitian,” kata Nagrani. “Kami berharap ini akan membantu peneliti di seluruh dunia menerapkan teknik canggih yang sama pada set data hewan unik mereka. Sebagai peneliti penglihatan komputer, sangat memuaskan untuk melihat metode ini diterapkan untuk memecahkan masalah keanekaragaman hayati yang nyata.”

“Dengan krisis keanekaragaman hayati yang meningkat dan banyak ekosistem di dunia yang terancam, kemampuan untuk memantau spesies dan populasi yang berbeda menggunakan sistem otomatis akan sangat penting untuk upaya konservasi, serta penelitian perilaku hewan,” kata Schofield. “Kolaborasi antardisiplin seperti ini memiliki potensi besar untuk membuat dampak, dengan menemukan solusi baru untuk masalah lama, dan mengajukan pertanyaan biologis yang sebelumnya tidak mungkin pada skala besar.”

Teknologi dan perangkat lunak baru ini sangat penting karena beberapa alasan. Tidak hanya akan memainkan peran besar dalam beberapa masalah masyarakat yang paling mendesak saat ini seperti konservasi dan perlindungan lingkungan, tetapi juga dapat mengubah cara kita berpikir tentang kecerdasan buatan. Saat ini, hampir semua pembicaraan tentang kecerdasan buatan fokus pada aplikasi manusia. Ada perkembangan terus-menerus di bidang medis, antarmuka manusia-komputer, teknologi konsumen, perang, dan banyak lagi, tetapi area perlindungan satwa liar dan studi perilaku hewan belum mendapatkan perhatian yang sama. Ini adalah area yang akan sangat diuntungkan oleh kecerdasan buatan, dan perkembangan baru ini dapat membantu mengarahkan beberapa perhatian ke sana.