У Пулмані, штат Вашингтон, вчені з Університету штату Вашингтон разом з Google виявили, що штучний інтелект може значно прискорити трудомільну роботу з відстеження дикої природи за допомогою віддалених камер. Дослнювання показало, що аналіз даних може бути виконаний за кілька днів, замість місяців або навіть року, з тим же науковим результатом, як у людей. Дослідження опубліковане в журналі ‘Journal of Applied Ecology’ використовувало тестування повністю автоматизованої системи AI для обробки сотень тисяч, навіть мільйонів зображень з камер у Вашингтоні, на національному парку Глациер у Монтані та в заповіднику Мая в Гватемалі. Вчені виявили, що для більшості видів моделі, побудовані на зображеннях, визначених AI, дуже добре відповідали результатам експертів. У більшості ключових показників, таких як розташування тварин та вплив середовища, результати збігалися у 85-90 випадках, з мінімальними відхиленнями для рідкісних або важко визнаваних видів. Вчені з Університету штату Вашингтон вважають, що це може мати значний вплив на збереження природи. Більш швидка обробка даних дозволить дослідникам і менеджерам дикої природи швидше перейти від збору даних до прийняття рішень, що може дати змогу вести моніторинг видів у реальному часі, наприклад, ягуарів, вовків та білих оленів. ‘Ми не намагаємося замінити людей’, – сказав Дейн Тоннісон, ведучий автор дослідження та еколог Університету штату Вашингтон. – ‘Мета полягає в тому, щоб допомогти дослідникам швидше отримувати відповіді, щоб вони могли краще приймати рішення щодо управління та збереження дикої природи’. Традиційно цей процес був повільним і трудомільним. Віддалені камери, які вмикаються при русі, можуть генерувати гігантські набори даних. Один проект може виробляти сотні тисяч, навіть мільйони зображень, які потрібно перевірити, щоб визначити, які види з’являються в кожному кадрі. Даже з участию команди університетських студентів та гуртожиткового студента, Тоннісон сказав, що процес зазвичай триває шість-сім місяців, а іноді навіть рік, до того, як аналіз може початися. Раніше AI-інструменти надавали певну допомогу, фільтруючи порожні зображення, які становили 60-70 відсотків загальної кількості, але все ще потребували перевірки людини для тисяч зображень з тваринами. Нове дослідження перевіряло, чи може цей останній етап людини бути усунений. Використовуючи загальний AI-модель SpeciesNet, розроблену Google, вчені пройшли зображення через повністно автоматизований процес без участі людини та порівняли результати з традиційними даними, визначеними експертами. ‘Ключовим питанням не було, чи AI правильно визначає кожне зображення’, – сказав Дейн Морріс, старший науковий співробітник Google, який увів SpeciesNet і є співавтором дослідження. – ‘Це було питання про те, чи екологічні висновки, які ви вважаєте важливими, будуть приблизно такими самими’. Для більшості видів вони були. Даже коли AI помилявся, наприклад, неправильно визначав тварини або пропускав виявлення, загальні моделі залишалися надійними, оскільки моделі займання залежать від повторних спостережень у часі. У практичному сенсі, збереження часу дуже значне. Повністю автоматизована обробка тепер може бути виконана за кілька днів, зменшуючи місячний бар’єр до приблизно тижня. Така ефективність може бути трансформуючою, особливо для менших або недоінвестованих груп збереження природи. Воно може дати дослідникам можливість розширити моніторинг без обмежень з боку здатності обробляти дані. Проект також приносить внесок у ширшу громаду AI для збереження природи, розкривши частину даних для загального доступу, що підтримує інструменти, такі як SpeciesNet, які залежать від спільних даних для покращення. Морріс підкреслив, що дослідження підходить практично. Замість розробки нових алгоритмів AI, команда зосередилася на тому, що поточні інструменти вже можуть робити. ‘Ми не намагалися винаходити нову модель’, – сказав він. – ‘Ми з’ясовували, чи можна залежати від технології сьогодні, щоб виконувати аналіз, який вони вже роблять’. Відповідь, принаймні для багатьох загальних видів та стандартних екологічних моделей, здається такою. Існують ще обмеження, додав університет. Людина все ще потрібна для багатьох інших застосувань даних з камер, і ця стаття викладає лише невеликий підкатегорії видів, які можуть бути зафіксовані на камері. Наприклад, дуже рідкісні та легко плутані види все ще викликають проблеми для виявлення AI. Але результати показують, що в деяких випадках обробка зображень більше не має бути головним обмеженням для великих досліджень з камер. ‘Головна висновок полягає в тому, що це не має бути бар’єром’, – сказав Тоннісон. – ‘Якщо ми можемо швидше обробляти дані, ми можемо швидше реагувати, а це дійсно важливо для збереження природи’.
поділитися в твіттері: AI прискорить відстеження дикої природи