AI-eksperter utvikler Big Data-tilnærming for bevaring av dyreliv

En gruppe eksperter på kunstig intelligens (AI) og dyreøkologi ved Ecole Polytechnique Fédérale de Lausanne har utviklet en ny big data-tilnærming for å forbedre forskning på dyrearter og forbedre bevaring av dyreliv. 

Den nye studien ble publisert i Nature Communications. 

Innsamling av data om dyreliv

Feltet for dyreøkologi er nå avhengig av big data og tingenes internett, med enorme mengder data som samles inn om dyrelivspopulasjoner gjennom teknologi som satellitter, droner og automatiske kameraer. Disse nye teknologiene resulterer i raskere forskningsutvikling samtidig som de minimerer forstyrrelser i naturlige habitater. 

Mange AI-programmer brukes til å analysere store datasett, men de er ofte generelle og ikke presise nok til å observere oppførselen og utseendet til ville dyr. 

Forskerteamet utviklet en ny tilnærming for å komme rundt dette, og de gjorde det ved å kombinere fremskritt innen datasyn med ekspertisen til økologer. 

Utnytte ekspertisen til økologer

Økologer bruker for tiden kunstig intelligens og datasyn for å trekke ut nøkkelfunksjoner fra bilder, videoer og andre visuelle former for data, som gjør dem i stand til å utføre oppgaver som å klassifisere dyrearter og telle individuelle dyr. Imidlertid er generiske programmer som ofte brukes til å behandle disse dataene begrenset i deres evne til å utnytte eksisterende kunnskap om dyr. De er også vanskelige å tilpasse og er utsatt for etiske spørsmål knyttet til sensitive data. 

Prof. Devis Tuia er leder av EPFLs Environmental Computational Science and Earth Observation Laboratory og hovedforfatter av studien. 

"Vi ønsket å få flere forskere til å interessere seg for dette emnet og slå sammen innsatsen for å komme videre på dette nye feltet. AI kan tjene som en nøkkelkatalysator i dyrelivsforskning og miljøvern mer generelt, sier prof. Tuia.

For å redusere feilmarginen til et AI-program som er opplært til å gjenkjenne en spesifikk art, må dataforskere kunne utnytte kunnskapen til dyreøkologer. 

Prof. Mackenzie Mathis er leder av EPFLs Bertarelli Foundation Chair of Integrative Neuroscience og medforfatter av studien. 

"Her er sammenslåingen av økologi og maskinlæring nøkkelen: Feltbiologen har enorm domenekunnskap om dyr som studeres, og oss som maskinlæringsforskeres jobb er å samarbeide med dem for å bygge verktøy for å finne en løsning," sa hun . 

Dette er ikke første gang Tuia og forskerteamet tar opp dette problemet. Teamet utviklet tidligere et program for å gjenkjenne dyrearter basert på dronebilder, mens Mathis og teamet hennes har utviklet en åpen kildekode-programvarepakke for å hjelpe forskere med å estimere og spore dyrs positurer. 

Når det gjelder det nye verket, håper teamet at det kan fange et bredere publikum.

"Et samfunn tar stadig form," sier Tuia. «Så langt har vi brukt jungeltelegrafen for å bygge opp et første nettverk. Vi startet først for to år siden med personene som nå er artikkelens andre hovedforfattere: Benjamin Kellenberger, også ved EPFL; Sara Beery ved Caltech i USA; og Blair Costelloe ved Max Planck Institute i Tyskland.»