Chuyên gia AI Phát triển Phương pháp Dữ liệu Lớn cho Bảo tồn Động vật Hoang dã

Một nhóm chuyên gia trí tuệ nhân tạo (AI) và sinh thái động vật tại Ecole Polytechnique Fédérale de Lausanne đã phát triển một phương pháp dữ liệu lớn mới để nâng cao nghiên cứu về các loài động vật hoang dã và cải thiện bảo tồn động vật hoang dã.

Nghiên cứu mới được công bố trên Nature Communications.

Thu thập Dữ liệu về Động vật Hoang dã

Lĩnh vực sinh thái động vật hiện nay phụ thuộc vào dữ liệu lớn và Internet của vạn vật, với số lượng lớn dữ liệu được thu thập về quần thể động vật hoang dã thông qua công nghệ như vệ tinh, máy bay không người lái và máy ảnh tự động. Những công nghệ mới này dẫn đến sự phát triển nghiên cứu nhanh hơn đồng thời giảm thiểu sự xáo trộn trong môi trường tự nhiên.

Nhiều chương trình AI được sử dụng để phân tích các tập dữ liệu lớn, nhưng chúng thường chung chung và không chính xác đủ để quan sát hành vi và ngoại hình của động vật hoang dã.

Đội ngũ các nhà khoa học đã phát triển một phương pháp mới để giải quyết vấn đề này, và họ đã làm như vậy bằng cách kết hợp các tiến bộ trong tầm nhìn máy tính với chuyên môn của các nhà sinh thái học.

Khai thác Chuyên môn của các Nhà Sinh thái học

Các nhà sinh thái học hiện đang sử dụng AI và tầm nhìn máy tính để trích xuất các tính năng chính từ hình ảnh, video và các hình thức dữ liệu trực quan khác, cho phép họ thực hiện các nhiệm vụ như phân loại loài động vật hoang dã và đếm số lượng cá thể. Tuy nhiên, các chương trình chung chung thường được sử dụng để xử lý dữ liệu này bị hạn chế trong khả năng tận dụng kiến thức hiện có về động vật. Chúng cũng khó tùy chỉnh và dễ gặp phải các vấn đề liên quan đến dữ liệu nhạy cảm.

GS. Devis Tuia là trưởng phòng Phòng thí nghiệm Khoa học Môi trường và Quan sát Trái đất của EPFL và là tác giả chính của nghiên cứu.

“Chúng tôi muốn thu hút nhiều nhà nghiên cứu quan tâm đến chủ đề này và tập hợp nỗ lực của họ để tiến bộ trong lĩnh vực mới nổi này. AI có thể đóng vai trò là chất xúc tác chính trong nghiên cứu động vật hoang dã và bảo vệ môi trường rộng lớn hơn,” GS. Tuia cho biết.

Để giảm biên độ sai sót của một chương trình AI được đào tạo để nhận dạng một loài cụ thể, các nhà khoa học máy tính sẽ cần phải tận dụng kiến thức của các nhà sinh thái học động vật.

GS. Mackenzie Mathis là trưởng phòng Ghế nghiên cứu Khoa học thần kinh tích hợp Bertarelli của EPFL và là đồng tác giả của nghiên cứu.

“Đây là nơi sự kết hợp giữa sinh thái học và học máy trở nên quan trọng: nhà sinh thái học thực địa có kiến thức miền rộng lớn về động vật được nghiên cứu, và chúng tôi với tư cách là nhà nghiên cứu học máy có nhiệm vụ làm việc với họ để xây dựng các công cụ để tìm ra giải pháp,” cô nói.

Đây không phải là lần đầu tiên Tuia và đội ngũ các nhà nghiên cứu giải quyết vấn đề này. Đội ngũ trước đây đã phát triển một chương trình để nhận dạng loài động vật dựa trên hình ảnh từ máy bay không người lái, trong khi Mathis và đội ngũ của cô đã phát triển một gói phần mềm mã nguồn mở để giúp các nhà khoa học ước tính và theo dõi tư thế động vật.

Về công việc mới, đội ngũ hy vọng nó có thể thu hút được khán giả rộng lớn hơn.

“Một cộng đồng đang dần hình thành,” Tuia cho biết. “Cho đến nay, chúng tôi đã sử dụng truyền miệng để xây dựng một mạng lưới ban đầu. Chúng tôi bắt đầu hai năm trước với những người hiện là các tác giả chính khác của bài viết: Benjamin Kellenberger, cũng tại EPFL; Sara Beery tại Caltech ở Mỹ; và Blair Costelloe tại Viện Max Planck ở Đức.”