AI-experts ontwikkelen big data-aanpak voor wildlifebehoud

Een groep artificiële intelligentie (AI) en dierenoecologen van de Ecole Polytechnique Fédérale de Lausanne hebben een nieuwe big data-aanpak ontwikkeld om onderzoek naar wilde diersoorten te verbeteren en het behoud van wilde dieren te verbeteren.

De nieuwe studie werd gepubliceerd in Nature Communications.

Gegevens verzamelen over wilde dieren

Het veld van dierenoecologie is nu afhankelijk van big data en het Internet of Things, met enorme hoeveelheden gegevens die worden verzameld over wilde diersoorten via technologie zoals satellieten, drones en automatische camera’s. Deze nieuwe technologieën leiden tot snellere onderzoeksontwikkelingen en minimaliseren ook de verstoring van natuurlijke habitats.

Veel AI-programma’s worden gebruikt om grote datasets te analyseren, maar ze zijn vaak algemeen en niet precies genoeg om het gedrag en de verschijning van wilde dieren te observeren.

Het team van wetenschappers ontwikkelde een nieuwe aanpak om hier omheen te komen, en ze deden dit door de vooruitgang in computerzicht te combineren met de expertise van ecologen.

De expertise van ecologen benutten

Ecologen gebruiken momenteel AI en computerzicht om belangrijke kenmerken te extraheren uit afbeeldingen, video’s en andere visuele vormen van gegevens, waardoor ze taken kunnen uitvoeren zoals het classificeren van wilde diersoorten en het tellen van individuele dieren. Echter, generieke programma’s die vaak worden gebruikt om deze gegevens te verwerken, zijn beperkt in hun vermogen om bestaande kennis over dieren te benutten. Ze zijn ook moeilijk aan te passen en gevoelig voor ethische problemen met betrekking tot gevoelige gegevens.

Prof. Devis Tuia is het hoofd van de Environmental Computational Science and Earth Observation Laboratory van de EPFL en de hoofdauteur van de studie.

“We wilden meer onderzoekers interesseren voor dit onderwerp en hun inspanningen bundelen om vooruit te komen in dit opkomende veld. AI kan een sleutelkatalysator zijn in wildlifersonderzoek en milieubescherming in het algemeen,” zegt prof. Tuia.

Om de marge van fouten van een AI-programma dat is getraind om een specifieke soort te herkennen, te verkleinen, zouden computerwetenschappers de kennis van dierenoecologen moeten kunnen benutten.

Prof. Mackenzie Mathis is het hoofd van de Bertarelli Foundation Chair of Integrative Neuroscience van de EPFL en co-auteur van de studie.

“Hier is waar de samenvoeging van ecologie en machine learning cruciaal is: de veldbioloog heeft een enorme domeinkennis over de dieren die worden bestudeerd, en onze taak als machine learning-onderzoekers is om met hen samen te werken om tools te ontwikkelen om een oplossing te vinden,” zei ze.

Dit is niet de eerste keer dat Tuia en het team van onderzoekers deze kwestie hebben aangepakt. Het team ontwikkelde eerder een programma om dierensoorten te herkennen op basis van dronebeelden, terwijl Mathis en haar team een open-source softwarepakket hebben ontwikkeld om wetenschappers te helpen bij het schatten en volgen van dierhoudingen.

Wat betreft het nieuwe werk, hoopt het team dat het een bredere doelgroep kan bereiken.

“Een gemeenschap neemt langzaam vorm aan,” zegt Tuia. “Tot nu toe hebben we mondelinge verspreiding gebruikt om een initiële netwerk op te bouwen. We begonnen twee jaar geleden met de mensen die nu de andere hoofdauteurs van het artikel zijn: Benjamin Kellenberger, ook aan de EPFL; Sara Beery aan Caltech in de VS; en Blair Costelloe aan het Max Planck-instituut in Duitsland.”