Divljina je golema i raznolika, dom milijuna životinjskih vrsta. Za ekologe je identifikacija i opisivanje tih životinja ključ uspješnog istraživanja. To se može pokazati kao težak zadatak - ali umjetna inteligencija bi mogla pomoći.
U novom izvješću objavljenom ovog tjedna, istraživači pokazuju kako su istrenirali algoritam dubokog učenja da automatski identificira, broji i karakterizira životinje na slikama. Sustav je koristio fotografije snimljene kamerama zamke s senzorom pokreta, koje snimaju slike životinja bez da ih ozbiljno uznemiruju.
Preporučeni videozapisi
"Pokazali smo da možemo koristiti računala za automatsko izdvajanje informacija iz fotografija divljih životinja, kao što su vrste, broj životinja i što životinje rade." Margareta Kosmala, znanstveni suradnik na Sveučilištu Harvard, rekao je za Digital Trends. “Ono što je novo jest da je ovo prvi put da je pokazano da je to moguće učiniti jednako precizno kao ljudi. Umjetna inteligencija postaje sve bolja u prepoznavanju stvari u ljudskoj domeni — ljudskih lica, unutarnjih prostora, specifičnih objekata ako su dobro pozicionirani, ulica i tako dalje. Ali priroda je neuredna i na ovom nizu fotografija životinje su često samo djelomično na fotografiji ili vrlo blizu ili daleko ili se preklapaju. Kao ekolog, smatram da je ovo vrlo uzbudljivo jer nam daje novi način korištenja tehnologije za proučavanje divljih životinja na širokim područjima i dugim vremenskim rasponima.”
Istraživači su koristili slike koje je snimio i prikupio Snapshot Serengeti, građanski znanstveni projekt s nevidljive kamere za divlje životinje proširila po Tanzaniji. Od slonova do geparda, Snapshot Serengeti prikupio je milijune fotografija divljih životinja. Ali same slike nisu toliko vrijedne koliko podaci sadržani u okviru, uključujući detalje poput broja i vrste životinja.
Automatska identifikacija i opisi imaju mnogo prednosti za ekologe. Godinama je Snapshot Serengeti prikupljao zadatak opisivanja slika divljih životinja. Uz pomoć oko 50.000 volontera, grupa je označila više od tri milijuna slika. Upravo su ovu riznicu označenih slika istraživači koristili za treniranje svog algoritma.
Sada, umjesto da se obrate znanstvenicima građanima, istraživači bi možda mogli dodijeliti naporan zadatak algoritmu koji može brzo obraditi fotografije i označiti njihove ključne detalje.
"Svaka znanstveno-istraživačka grupa ili grupa za očuvanje koja pokušava razumjeti i zaštititi vrstu ili ekosustav može postaviti kamere sa senzorom pokreta u tom ekosustavu," Jeff Clune, profesor informatike na Sveučilištu Wyoming, rekao je. “Na primjer, ako proučavate jaguare u šumi, možete postaviti mrežu kamera sa senzorom pokreta duž staza. Sustav će zatim automatski slikati životinje kada se kreću ispred kamera, a zatim će A.I. tehnologija će brojati broj životinja koje su viđene, i automatski izbrisati sve snimljene slike na kojima nema životinja, što se pokazalo puno jer se kamere sa senzorom pokreta aktiviraju vjetrom, lišćem koje pada, itd.”
Rad koji detaljno opisuje istraživanje objavljen je ovaj tjedan u časopisu Proceedings of the National Academy of Sciences.
Preporuke urednika
- Analogni AI? Zvuči ludo, ali to bi mogla biti budućnost
- Najnoviji Nvidijin A.I. rezultati dokazuju da je ARM spreman za podatkovni centar
- Nvidia smanjuje barijeru za ulazak u A.I. s Fleet Commandom i LaunchPadom
- Pročitajte jezivo lijepe 'sintetičke spise' umjetne inteligencije. koji misli da je Bog
- Budućnost umjetne inteligencije: 4 velike stvari na koje treba paziti u sljedećih nekoliko godina
Nadogradite svoj životni stilDigitalni trendovi pomažu čitateljima da prate brzi svijet tehnologije sa svim najnovijim vijestima, zabavnim recenzijama proizvoda, pronicljivim uvodnicima i jedinstvenim brzim pregledima.
