AI-experts ontwikkelen big data-benadering voor natuurbehoud

Een groep experts op het gebied van kunstmatige intelligentie (AI) en dierenecologie van Ecole Polytechnique Fédérale de Lausanne heeft een nieuwe big data-benadering ontwikkeld om het onderzoek naar diersoorten en het behoud van dieren in het wild te verbeteren. 

De nieuwe studie is gepubliceerd in Nature Communications. 

Gegevens verzamelen over dieren in het wild

Het gebied van de dierenecologie is nu afhankelijk van big data en het internet der dingen, waarbij enorme hoeveelheden gegevens worden verzameld over populaties wilde dieren door middel van technologie zoals satellieten, drones en automatische camera's. Deze nieuwe technologieën resulteren in snellere onderzoeksontwikkelingen en minimaliseren tegelijkertijd de verstoring van natuurlijke habitats. 

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

Het team van wetenschappers ontwikkelde een nieuwe aanpak om dit te omzeilen, en zij deden dit door de vooruitgang op het gebied van computervisie te combineren met de expertise van ecologen. 

Gebruikmaken van de expertise van ecologen

Ecologen gebruiken momenteel AI en computervisie om belangrijke kenmerken uit afbeeldingen, video's en andere visuele vormen van gegevens te extraheren, waardoor ze taken kunnen uitvoeren zoals het classificeren van soorten in het wild en het tellen van individuele dieren. Generieke programma's die vaak worden gebruikt om deze gegevens te verwerken, zijn echter beperkt in hun vermogen om gebruik te maken van bestaande kennis over dieren. Ze zijn ook moeilijk aan te passen en zijn vatbaar voor ethische kwesties met betrekking tot gevoelige gegevens. 

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

“We wilden meer onderzoekers interesseren voor dit onderwerp en hun krachten bundelen om vooruitgang te boeken in dit opkomende gebied. AI kan een belangrijke katalysator zijn bij onderzoek naar wilde dieren en milieubescherming in bredere zin”, zegt prof. Tuia.

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

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

“Hier is de samensmelting van ecologie en machinaal leren van cruciaal belang: de veldbioloog heeft enorme domeinkennis over dieren die worden bestudeerd, en het is de taak van ons als machine learning-onderzoekers om met hen samen te werken om hulpmiddelen te bouwen om een ​​oplossing te vinden”, zei ze. . 

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

Wat het nieuwe werk betreft, hoopt het team dat het een breder publiek kan aanspreken.

“Er ontstaat gestaag een gemeenschap”, zegt Tuia. “Tot nu toe hebben we mond-tot-mondreclame gebruikt om een ​​eerste netwerk op te bouwen. We zijn twee jaar geleden voor het eerst begonnen met de mensen die nu de andere hoofdauteurs van het artikel zijn: Benjamin Kellenberger, ook bij EPFL; Sara Beery bij Caltech in de VS; en Blair Costelloe aan het Max Planck Instituut in Duitsland.”