AI hjelper med å observere tidligere u rapporterte dyre-atferd

En av de mest spennende aspektene ved kunstig intelligens (AI) er at teknologien konstant hjelper eksperter med å oppdage ny informasjon om vår omgivelse. Dette er tilfelle igjen da et forskningsteam fra Osaka University har utviklet et nytt dyr-båret data-innsamlingssystem som avhenger av AI. Dette systemet er det som har hjulpet med å oppdage tidligere u rapporterte atferd hos sjøfugler, spesielt i forhold til føde-søking.

Bio-Logging

En av de nåværende teknikker som brukes for å observere ville dyr, inkludert deres atferd og sosiale interaksjoner, er bio-logging. Teknikken innebærer å montere lette videokameraer eller andre enheter ment for å samle inn data på dyrenes kropp. Mens bio-logging sees på som en av de beste teknikker for å forhindre forstyrrelse av dyret, har den noen ulemper.
Spesifikt, bio-logging krever høy batterilevetid, og systemene er dyre.
Takuya Maekawa er hovedforfatteren av studien, som ble publisert i Communications Biology og tittelen “Machine learning enables improved runtime precision for bio-loggers on seabirds.”
“Siden bio-loggere festet til små dyr må være små og lette, har de kort levetid og det var derfor vanskelig å registrere interessante, sjeldne atferd,” sa Maekawa.
“Vi har utviklet en ny AI-utstyrt bio-logging-enhet som lar oss automatisk detektere og registrere spesifikke mål-atferd basert på data fra lavkostnadssensorer som akselerometer og geografiske posisjonssystemer (GPS),” fortsatte Maekawa.
Med bruk av lavkostnadssensorer, kan mindre avhengighet legges på høykostnadssensorer, som inkluderer videokameraer. Disse høykostnadssensorer trenger da bare å brukes under de mest sannsynlige tidene hvor den spesifikke mål-atferden kan registreres.
https://www.youtube.com/watch?v=Xybdokb4g9s
 

Parret med maskinlæring

Ved å pare disse systemene med maskinlæringsteknikker, kan høykostnadssensorer rettes mot atferd som er svært interessant, men sjelden. Dette betyr at disse sjeldne atferdene har en høyere sjanse for å bli observert.
AI-assistert videokamera-systemet utviklet av teamet ved Osaka University ble testet på svart-hale-gull og stripet skjærgår. Begge dyrene ble holdt i deres naturlige miljø, som er på øyer utenfor kysten av Japan.
Joseph Korpela er hovedforfatter av papiret.
“Den nye metoden forbedret registreringen av føde-atferd hos svart-hale-gull 15 ganger sammenlignet med den tilfeldige prøve-metoden,” sa Korpela. “Hos stripet skjærgår, brukte vi et GPS-basert AI-utstyrt system for å detektere spesifikke lokale fly-aktiviteter hos fuglene. GPS-basert system hadde en presisjon på 0,59 – langt høyere enn 0,07 av en periodisk prøve-metode som innebærer å slå på kameraet hver 30. minutt.”
Ifølge forskerne, er det mange mulige anvendelser for denne AI-teknologien, inkludert anti-tyveri-bruk og for å få innsikt i forholdet og interaksjonene mellom mennesker og ville dyr.
“Disse systemene har en enorm rekke mulige anvendelser, inkludert oppdaging av tyveri-aktivitet ved hjelp av anti-tyveri-merker,” sier Maekawa. “Vi forventer også at dette arbeidet vil bli brukt for å avsløre interaksjonene mellom menneskesamfunnet og ville dyr som overfører epidemier som koronavirus.”