AI hjelper med å observere tidligere urapporterte 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 omverden. Dette er tilfelle igjen da et forskningsteam fra Osaka University har utviklet et nytt system for å samle inn data fra dyr, som er avhengig av AI. Dette systemet var det som hjalp til å oppdage tidligere urapporterte atferd hos sjøfugler, spesielt i forhold til matjakt.

Bio-Logging

En av de teknikkene som for tiden brukes for å observere ville dyr, inkludert deres atferd og sosiale interaksjoner, er bio-logging. Teknikken innebærer å montere lette videokameraer eller andre enheter som er ment å samle inn data, på dyrenes kropp. Mens bio-logging anses som en av de beste teknikken for å unngå å forstyrre dyret, har den noen ulemper.

Spesielt, bio-logging krever en høy batterilevetid, og systemene er dyre.

Takuya Maekawa er hovedforfatteren av studien, som ble publisert i Communications Biology og hadde tittelen “Machine learning enables improved runtime precision for bio-loggers on seabirds.”

“Siden bio-loggere som er festet til små dyr må være små og lette, har de kort batterilevetid 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 de spesifikke mål-atferdene av interesse basert på data fra lavkostnadssensorer som akselerometer og geografiske posisjonssystemer (GPS),” fortsatte Maekawa.

Med bruk av lavkostnadssensorer, kan mindre avhengighet legges på de høykostnadssensorer, som inkluderer videokameraer. Disse høykostnadssensorerne trenger bare å brukes under de mest sannsynlige tidene hvor den spesifikke mål-atferden kan registreres.

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

Paired with Machine Learning

Ved å kombinere disse systemene med maskinlæringsteknikker, kan de høykostnadssensorer rettes mot atferd som er svært interessant, men sjelden. Dette betyr at disse sjeldne atferdene har en høyere sjanse til å bli observert.

AI-assistert videokamera-systemet som ble utviklet av teamet ved Osaka University, ble testet på svart-halede måker og stripete petreller. Begge dyrene ble holdt i deres naturlige miljø, som er på øyer utenfor kysten av Japan.

Joseph Korpela er hovedforfatter av artikkelen.

“Den nye metoden forbedret registreringen av matjakt-atferd hos svart-halede måker 15 ganger sammenlignet med den tilfeldige prøvetaking-metoden,” sa Korpela. “Hos stripete petreller, brukte vi et GPS-basert AI-utstyrt system for å detektere spesifikke lokale fly-aktiviteter hos disse fuglene. GPS-basert system hadde en presisjon på 0,59 — mye høyere enn 0,07 for en periodisk prøvetaking-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 relasjonene og interaksjonene mellom mennesker og ville dyr.

“Disse systemene har en stor rekke mulige anvendelser, inkludert deteksjon av tyveri-aktivitet ved hjelp av anti-tyveri-merker,” sier Maekawa. “Vi forventer også at dette arbeidet vil bli brukt til å avdekke interaksjonene mellom menneskesamfunnet og ville dyr som overfører epidemier som koronavirus.”