A vadon hatalmas és változatos, otthona milliónyi állatfaj. Az ökológusok számára ezen állatok azonosítása és leírása kulcsfontosságú a sikeres kutatáshoz. Ez nehéznek bizonyulhat – de a mesterséges intelligencia segíthet.
A héten megjelent új jelentésben a kutatók bemutatják, hogyan képezték ki a mély tanulási algoritmust az állatok automatikus azonosítására, megszámlálására és jellemzésére a képeken. A rendszer mozgásérzékelős kamerás csapdákkal rögzített fényképeket használt, amelyek anélkül készítettek képeket az állatokról, hogy komolyan megzavarták volna őket.
Ajánlott videók
"Megmutattuk, hogy a számítógépek segítségével automatikusan kinyerhetünk információkat a vadon élő állatokról készült fényképekből, például fajokról, állatok számáról és az állatok tevékenységéről." Margaret Kosmala, a Harvard Egyetem kutatója mondta a Digital Trendsnek. „Az az újszerű, hogy ez az első alkalom, amikor bebizonyosodott, hogy lehetséges ezt olyan pontosan megtenni, mint az emberek. A mesterséges intelligencia egyre jobban képes felismerni az emberi területen lévő dolgokat – emberi arcokat, belső tereket, konkrét tárgyakat, ha jól vannak elhelyezve, utcákat és így tovább. De a természet rendetlen, és ezen a fotókészleten az állatok gyakran csak részben vannak a képen, vagy nagyon közel vagy távol, vagy átfedik egymást. Ökológusként ezt nagyon izgalmasnak tartom, mert új módot ad a technológia használatára a vadon élő állatok széles körben és hosszú időn át történő tanulmányozására.”
A kutatók a Snapshot Serengeti által készített és összegyűjtött képeket használták, egy civil tudományos projektben lopakodó vadkamerák elterjedt Tanzániában. Az elefánttól a gepárdig a Snapshot Serengeti több millió vadfotót gyűjtött össze. De maguk a képek nem olyan értékesek, mint a keretben található adatok, beleértve az olyan részleteket, mint az állatok száma és típusa.
Az automatizált azonosítás és leírások számos előnnyel járnak az ökológusok számára. A Snapshot Serengeti éveken át gyűjtötte össze a vadképek leírásának feladatát. Mintegy 50 000 önkéntes segítségével a csoport több mint hárommillió képet címkézett fel. A kutatók ezt a címkézett képek kincsesbányáját használták algoritmusuk betanításához.
A kutatók ahelyett, hogy állampolgári tudósokhoz fordulnának, a fáradságos feladatot egy algoritmushoz rendelhetik, amely gyorsan feldolgozza a fényképeket, és felcímkézi a legfontosabb részleteit.
"Minden tudományos kutatócsoport vagy természetvédelmi csoport, amely megpróbálja megérteni és megvédeni egy fajt vagy ökoszisztémát, mozgásérzékelős kamerákat telepíthet az adott ökoszisztémában" Jeff Clune, a Wyomingi Egyetem számítástechnika professzora mondta. „Például, ha jaguárokat tanulmányozunk egy erdőben, kihelyezhetünk egy mozgásérzékelős kamerák hálózatát az ösvények mentén. A rendszer ezután automatikusan képeket készít az állatokról, amikor azok a kamerák előtt mozognak, majd az A.I. a technológia megszámolja a látott állatok számát, és automatikusan törli az összes olyan képet, amelyen nincs állat, ami soknak bizonyul, mert a mozgásérzékelős kamerákat a szél, a lehulló levelek aktiválják, satöbbi."
A kutatást részletező tanulmány ezen a héten jelent meg a Proceedings of the National Academy of Sciences folyóiratban.
Szerkesztői ajánlások
- Analóg A.I.? Őrülten hangzik, de lehet, hogy ez a jövő
- Az Nvidia legújabb A.I. Az eredmények azt bizonyítják, hogy az ARM készen áll az adatközpontra
- Az Nvidia csökkenti az A.I-be való belépés akadályát. Fleet Command és LaunchPad segítségével
- Olvassa el egy A.I. kísértetiesen szép „szintetikus szentírását”. aki azt hiszi, hogy Isten
- Az A.I. jövője: 4 nagy dolog, amire figyelni kell a következő években
Frissítse életmódjátA Digital Trends segítségével az olvasók nyomon követhetik a technológia rohanó világát a legfrissebb hírekkel, szórakoztató termékismertetőkkel, éleslátó szerkesztőségekkel és egyedülálló betekintésekkel.
