Especialistas em IA Desenvolvem Abordagem de Big Data para Preservação da Vida Selvagem

Um grupo de especialistas em inteligência artificial (IA) e ecologia animal na Ecole Polytechnique Fédérale de Lausanne desenvolveu uma nova abordagem de big data para melhorar a pesquisa sobre espécies de vida selvagem e melhorar a preservação da vida selvagem.

O novo estudo foi publicado em Nature Communications.

Coletando Dados sobre a Vida Selvagem

A área de ecologia animal agora depende de big data e da Internet das Coisas, com grandes quantidades de dados sendo coletados sobre populações de vida selvagem por meio de tecnologias como satélites, drones e câmeras automáticas. Essas novas tecnologias resultam em desenvolvimentos de pesquisa mais rápidos, enquanto também minimizam a perturbação nos habitats naturais.

Muitos programas de IA são usados para analisar grandes conjuntos de dados, mas eles são frequentemente genéricos e não precisos o suficiente para observar o comportamento e a aparência de animais selvagens.

A equipe de cientistas desenvolveu uma nova abordagem para contornar isso, e eles o fizeram combinando avanços em visão computacional com a expertise de ecologistas.

Aproveitando a Expertise de Ecologistas

Ecologistas atualmente usam IA e visão computacional para extrair recursos-chave de imagens, vídeos e outras formas visuais de dados, o que permite que eles realizem tarefas como classificar espécies de vida selvagem e contar animais individuais. No entanto, programas genéricos que são frequentemente usados para processar esses dados são limitados em sua capacidade de aproveitar o conhecimento existente sobre animais. Eles também são difíceis de personalizar e são propensos a problemas éticos relacionados a dados sensíveis.

O Prof. Devis Tuia é o chefe do Laboratório de Ciência Computacional Ambiental e Observação da Terra da EPFL e autor principal do estudo.

“Queríamos atrair mais pesquisadores para este tópico e reunir esforços para avançar nesse campo emergente. A IA pode servir como um catalisador-chave na pesquisa sobre vida selvagem e proteção ambiental em geral”, diz o Prof. Tuia.

Para reduzir a margem de erro de um programa de IA treinado para reconhecer uma espécie específica, cientistas da computação precisariam ser capazes de aproveitar o conhecimento de ecologistas de animais.

A Prof. Mackenzie Mathis é a chefe da Cátedra de Neurociência Integrativa da Fundação Bertarelli da EPFL e coautora do estudo.

“Aqui é onde a fusão de ecologia e aprendizado de máquina é fundamental: o biólogo de campo tem um conhecimento imenso do domínio sobre os animais que estão sendo estudados, e o nosso trabalho como pesquisadores de aprendizado de máquina é trabalhar com eles para construir ferramentas para encontrar uma solução”, disse ela.

Isso não é a primeira vez que Tuia e a equipe de pesquisadores abordaram essa questão. A equipe anteriormente desenvolveu um programa para reconhecer espécies de animais com base em imagens de drones, enquanto Mathis e sua equipe desenvolveram um pacote de software de código aberto para ajudar cientistas a estimar e rastrear poses de animais.

Quanto ao novo trabalho, a equipe espera que ele possa capturar uma audiência mais ampla.

“Uma comunidade está se formando gradualmente”, diz Tuia. “Até agora, usamos a boca-a-orelha para construir uma rede inicial. Nós começamos há dois anos com as pessoas que agora são os outros autores principais do artigo: Benjamin Kellenberger, também na EPFL; Sara Beery na Caltech nos EUA; e Blair Costelloe no Instituto Max Planck na Alemanha.”