AI helpt bij het observeren van eerder niet gerapporteerde diergedragingen

Een van de meest spannende aspecten van kunstmatige intelligentie (AI) is dat de technologie voortdurend helpt bij het ontdekken van nieuwe informatie over onze omgeving. Dit is opnieuw het geval, aangezien een onderzoeksteam van de Osaka University een nieuw diergedragen datasysteem heeft ontwikkeld dat gebruik maakt van AI. Dit systeem heeft geholpen bij het ontdekken van eerder niet gerapporteerde gedragingen bij zeevogels, met name met betrekking tot foerageren.

Bio-Logging

Een van de momenteel gebruikte technieken om wilde dieren, inclusief hun gedragingen en sociale interacties, te observeren, is bio-logging. Deze techniek houdt in dat lichte videocamera’s of andere apparaten die bedoeld zijn om gegevens te verzamelen, op het lichaam van de dieren worden bevestigd. Hoewel bio-logging wordt beschouwd als een van de beste technieken om verstoring van het dier te voorkomen, heeft het enkele nadelen.

In het bijzonder vereist bio-logging een hoog niveau van batterijleven, en de systemen zijn duur.

Takuya Maekawa is de corresponderende auteur van de studie, die is gepubliceerd in Communications Biology en getiteld “Machine learning enables improved runtime precision for bio-loggers on seabirds.”

“Aangezien bio-loggers die aan kleine dieren zijn bevestigd, klein en licht moeten zijn, hebben ze korte looptijden en was het daarom moeilijk om interessant, zeldzaam gedrag op te nemen,” zei Maekawa.

“We hebben een nieuw AI-uitgerust bio-loggingapparaat ontwikkeld dat ons in staat stelt om automatisch specifiek doelgedrag van interesse te detecteren en op te nemen op basis van gegevens van goedkope sensoren zoals versnellingmeters en geografische positioneringssystemen (GPS),” vervolgde Maekawa.

Met het gebruik van de goedkope sensoren kan minder afhankelijkheid worden gesteld op de dure sensoren, die videocamera’s omvatten. Deze dure sensoren hoeven alleen te worden gebruikt tijdens de meest waarschijnlijke tijden waarin het specifieke doelgedrag kan worden vastgelegd.

https://www.youtube.com/watch?v=Xybdokb4g9s

Paired with Machine Learning

Door deze systemen te koppelen aan machine learning-technieken, kunnen de dure sensoren worden gericht op gedragingen die zeer interessant maar zeldzaam zijn. Dit betekent dat deze zeldzame gedragingen een grotere kans hebben om te worden waargenomen.

Het AI-geassisteerde videocamera-systeem dat door het team van de Osaka University is ontwikkeld, is getest op zwarte staartmeeuwen en gestreepte schaarbekken. Beide dieren werden in hun natuurlijke omgeving gehouden, die op eilanden voor de kust van Japan liggen.

Joseph Korpela is de hoofdauteur van het artikel.

“De nieuwe methode verbeterde de detectie van foerageringsgedragingen bij de zwarte staartmeeuwen 15-voudig in vergelijking met de willekeurige steekproefmethode,” zei Korpela. “Bij de gestreepte schaarbekken hebben we een GPS-gebaseerd AI-uitgerust systeem toegepast om specifieke lokale vluchtactiviteiten van deze vogels te detecteren. Het GPS-gebaseerde systeem had een precisie van 0,59 – veel hoger dan de 0,07 van een periodieke steekproefmethode waarbij de camera om de 30 minuten werd ingeschakeld.”

Volgens de onderzoekers zijn er veel mogelijke toepassingen voor deze AI-technologie, waaronder anti-stroperijgebruik en om inzicht te krijgen in de relaties en interacties tussen mensen en wilde dieren.

“Deze systemen hebben een enorme range van mogelijke toepassingen, waaronder de detectie van stroperijactiviteiten met behulp van anti-stroperijtags,” zegt Maekawa. “We verwachten ook dat dit werk zal worden gebruikt om de interacties tussen de menselijke samenleving en wilde dieren te onthullen die ziektes zoals coronavirus overdragen.”