AI hjälper till att observera tidigare orapporterade djurbeteenden

En av de mest spännande aspekterna av artificiell intelligens (AI) är att tekniken ständigt hjälper experter att upptäcka ny information om vår miljö. Detta är fallet igen då ett forskningsteam från Osaka University har skapat ett nytt system för insamling av data från djur som förlitar sig på AI. Detta system är vad som hjälpte till att upptäcka tidigare orapporterade beteenden hos sjöfåglar, specifikt i fråga om födosök.

Bio-logging

En av de tekniker som för närvarande används för att observera vilda djur, inklusive deras beteenden och sociala interaktioner, är bio-logging. Tekniken innebär att montera lätta videokameror eller andra enheter som är avsedda att samla in data på djurens kroppar. Medan bio-logging anses vara en av de bästa teknikerna för att förhindra störning av djuret, har den några nackdelar.
Specifikt kräver bio-logging en hög nivå av batteriliv och systemen är dyra.
Takuya Maekawa är den författare som motsvarar studien, som publicerades i Communications Biology och har titeln “Machine learning enables improved runtime precision for bio-loggers on seabirds”.
“Eftersom bio-loggers som är fästa på små djur måste vara små och lätta, har de korta körtider och det var därför svårt att spela in intressanta, sällsynta beteenden”, sa Maekawa.
“Vi har utvecklat en ny AI-utrustad bio-logging-enhet som möjliggör automatisk upptäckt och inspelning av specifika målbeteenden baserat på data från lågkostnadssensorer som accelerometrar och geografiska positioneringssystem (GPS)”, fortsatte Maekawa.
Med användning av lågkostnadssensorer kan mindre tillit läggas på de dyra sensorerna, som inkluderar videokameror. Dessa dyra sensorer behöver då endast användas under de mest sannolika tidpunkterna då det specifika målbeteendet kan fångas.
https://www.youtube.com/watch?v=Xybdokb4g9s
 

I par med maskinlärande

Genom att para dessa system med maskinlärandetekniker kan de dyra sensorerna riktas mot beteenden som är mycket intressanta men sällsynta. Detta innebär att dessa sällsynta beteenden har en högre chans att observeras.
Det AI-assisterade videokamerasystem som utvecklats av teamet vid Osaka University testades på svartstjärtade måsar och randiga skarvar. Båda djuren hölls i sina naturliga miljöer, som är på öar utanför Japans kust.
Joseph Korpela är huvudförfattare till artikeln.
“Den nya metoden förbättrade upptäckten av födosöksbeteenden hos svartstjärtade måsar 15-faldigt jämfört med den slumpmässiga urvalsmetoden”, sa Korpela. “Hos randiga skarvar tillämpade vi ett GPS-baserat AI-utrustat system för att upptäcka specifika lokala flygaktiviteter hos dessa fåglar. Det GPS-baserade systemet hade en precision på 0,59 – långt högre än den periodiska urvalsmetodens 0,07 som innebär att kameran slås på var 30:e minut.”
Enligt forskarna finns det många möjliga tillämpningar för denna AI-teknik, inklusive anti-tjuvjaktsändamål och för att få insikt i relationerna och interaktionerna mellan människor och vilda djur.
“Dessa system har en enorm mängd möjliga tillämpningar, inklusive upptäckt av tjuvjaktsaktivitet med hjälp av anti-tjuvjaktsmärken”, säger Maekawa. “Vi förväntar oss också att detta arbete kommer att användas för att avslöja interaktionerna mellan mänsklig samhälle och vilda djur som överför epidemier som coronavirus.”