Mesterséges intelligencia segít a fajok megőrzésében

Mesterséges intelligencia segít a fajok megőrzésében

Mesterséges intelligencia segít a fajok megőrzésében

big data

3 perc

Az AI és a gépi tanulás nemcsak az otthonokban és a városokban hozhat áttörést.

A világ több neves egyetemének kutatói olyan gépi tanulási algoritmust fejlesztettek, amely 96,6 százalékos pontossággal képes azonosítani, leírni és megszámolni a vadon élő állatokat. Az erről tavaly novemberben elkészült tanulmány nemrég jelent meg az Amerikai Tudományos Akadémia folyóiratában (PNAS).

„A technológia lehetővé teszi, hogy pontosan és alacsony költségekkel gyűjtsünk adatokat az állatokról, és közben ne zavarjuk őket” – nyilatkozta Jeff Clune, a cikk egyik szerzője, az Uber Artificial Intelligence Lab kutatója. A professzor szerint az így szerzett adatok hozzájárulnak az ökológia, a vadbiológia, a zoológia, a konzerváció-biológia és az állat-viselkedéstan több területének Big Data-tudománnyá válásához „Mindezek segítségével sokkal könnyebben tanulmányozhatjuk, illetve őrizhetjük meg az élővilágot és a törékeny ökoszisztémákat” – tette hozzá.

Önkéntesek segítenek

A tanulmány alapjául a Snapshot Serengeti elnevezésű kezdeményezés szolgált. A Zooniverse.org-on elérhető lakossági tudományos projekt önkéntesek részvételével gyűjti a természetes környezetükben élő állatokról, például elefántokról, zsiráfokról, oroszlánokról készült fotókat. A projekt gerincét eddig mintegy 50 ezer ember és 225 úgynevezett kameracsapda adta. A tudósok az így szerzett felvételek közül kiválasztott 3,2 millió darab segítségével „tanították” a számítógépes látással foglalkozó algoritmust.

Hogyan működik a tanulás?

A mozgásérzékelő kamerák által automatikusan készített felvételek bekerülnek egy konvolúciós neurális hálózatba (CNN), amely szövegeket és számokat csatol hozzájuk.

Konvolúciós neurális hálózat: a képanalitikában használatos, egyfajta mély neurális háló, amely az emberi agy látókérgének idegsejtjei közti kapcsolati mintákat utánozza, és megtanul bizonyos szűréseket.

Az algoritmus képes leírni, hogy milyen faj egyedei vannak jelen, hány állatot „lát”, és azok mit csinálnak éppen. A rendszer fél év termését néhány óra alatt „felcímkézi” – mindehhez a munkatársaknak átlagosan 2-3 hónapra lenne szükségük. A Snapshot Serengeti csoportvezetője úgy kalkulál, hogy minden újabb 3 millió kép ilyen módon való jelölése több mint 8 év emberi munkát helyettesít. Margaret Kosmala kiemelte, hogy az önkéntesek így felszabaduló, értékes ideje más projektekben hasznosítható.

Már nem újdonság

A tanulmány a mesterséges intelligencia egyre bővülő területén, az állatdetektáláson alapszik. 2016 novemberében a Queensland Egyetem tudósai a Google TensorFlow gépi tanulási (machine learning) keretrendszerével arra tanítottak egy algoritmust, hogy az automatikusan megtalálja a tengeri teheneket az óceánokról készült fotókon. Márciusban pedig közösségi finanszírozással az iNaturalist startup indította el a Seek nevű AI-n alapuló applikációját, amely a feltöltött képek alapján saját maga azonosítja a különböző növény- és állatfajokat.

Forrás: