L’AI aiuta a osservare comportamenti animali precedentemente non segnalati

Uno degli aspetti più emozionanti dell’intelligenza artificiale (AI) è che la tecnologia aiuta costantemente gli esperti a scoprire nuove informazioni sul nostro ambiente. Questo è il caso ancora una volta, poiché un team di ricerca dell’Università di Osaka ha creato un nuovo sistema di raccolta dati per animali che si basa sull’AI. Questo sistema è ciò che ha aiutato a scoprire comportamenti precedentemente non segnalati in uccelli marini, in particolare per quanto riguarda la ricerca di cibo.

Bio-Logging

Una delle tecniche attualmente utilizzate per osservare gli animali selvatici, compresi i loro comportamenti e le interazioni sociali, è il bio-logging. La tecnica prevede di montare piccole telecamere o altri dispositivi progettati per raccogliere dati sui corpi degli animali. Sebbene il bio-logging sia considerato una delle migliori tecniche per evitare di disturbare l’animale, ha alcuni svantaggi.
In particolare, il bio-logging richiede un alto livello di autonomia della batteria e i sistemi sono costosi.
Takuya Maekawa è l’autore corrispondente dello studio, pubblicato su Communications Biology e intitolato “Machine learning enables improved runtime precision for bio-loggers on seabirds”.
“Poiché i bio-loggers attaccati a piccoli animali devono essere piccoli e leggeri, hanno tempi di esecuzione brevi e quindi era difficile registrare comportamenti interessanti ma rari”, ha detto Maekawa.
“Abbiamo sviluppato un nuovo dispositivo di bio-logging dotato di AI che ci consente di rilevare e registrare automaticamente i comportamenti target specifici di interesse in base ai dati di sensori a basso costo come accelerometri e sistemi di posizionamento geografico (GPS)”, ha continuato Maekawa.
Con l’utilizzo di sensori a basso costo, si può ridurre la dipendenza dai sensori ad alto costo, che includono telecamere. Questi sensori ad alto costo devono essere utilizzati solo durante i periodi più probabili in cui il comportamento target specifico può essere catturato.
https://www.youtube.com/watch?v=Xybdokb4g9s
 

Abbinato con il machine learning

Abbinando questi sistemi con tecniche di machine learning, i sensori ad alto costo possono essere indirizzati verso comportamenti che sono molto interessanti ma rari. Ciò significa che quei comportamenti rari hanno una maggiore probabilità di essere osservati.
Il sistema di telecamera video assistito da AI sviluppato dal team dell’Università di Osaka è stato testato su gabbiani codaneri e puffini macchiati. Entrambi gli animali sono stati tenuti nel loro ambiente naturale, che si trova su isole al largo della costa del Giappone.
Joseph Korpela è l’autore principale del documento.
“Il nuovo metodo ha migliorato la rilevazione dei comportamenti di foraging nei gabbiani codaneri di 15 volte rispetto al metodo di campionamento casuale”, ha detto Korpela. “Nei puffini macchiati, abbiamo applicato un sistema AI dotato di GPS per rilevare attività di volo locali specifiche di questi uccelli. Il sistema basato su GPS ha avuto una precisione di 0,59 – molto superiore al 0,07 di un metodo di campionamento periodico che prevede l’attivazione della telecamera ogni 30 minuti”.
Secondo i ricercatori, ci sono molte possibili applicazioni per questa tecnologia AI, tra cui usi anti-bracconaggio e per ottenere informazioni sulle relazioni e le interazioni tra esseri umani e animali selvatici.
“Questi sistemi hanno un’enorme gamma di possibili applicazioni, tra cui la rilevazione di attività di bracconaggio utilizzando etichette anti-bracconaggio”, afferma Maekawa. “Prevediamo anche che questo lavoro sarà utilizzato per rivelare le interazioni tra la società umana e gli animali selvatici che trasmettono epidemie come il coronavirus”.