Dykuma yra didžiulė ir įvairi, čia gyvena milijonai gyvūnų rūšių. Ekologams šių gyvūnų identifikavimas ir aprašymas yra sėkmingo tyrimo pagrindas. Tai gali pasirodyti labai sudėtinga, tačiau dirbtinis intelektas gali padėti.
Naujoje šią savaitę paskelbtoje ataskaitoje mokslininkai parodo, kaip jie išmokė gilaus mokymosi algoritmą, kad automatiškai identifikuotų, skaičiuotų ir apibūdintų gyvūnus vaizduose. Sistema naudojo nuotraukas, užfiksuotas iš judesio jutimo kamerų spąstų, kurios fotografuoja gyvūnus jų rimtai netrukdydami.
Rekomenduojami vaizdo įrašai
"Mes parodėme, kad galime naudoti kompiuterius, norėdami automatiškai išgauti informaciją iš laukinės gamtos nuotraukų, pavyzdžiui, rūšis, gyvūnų skaičių ir tai, ką gyvūnai veikia." Margaret Kosmala, Harvardo universiteto mokslinis bendradarbis, pasakojo „Digital Trends“. „Naujas dalykas yra tai, kad pirmą kartą įrodyta, kad tai įmanoma padaryti taip tiksliai, kaip ir žmonės. Dirbtinis intelektas puikiai atpažįsta žmogaus sferoje esančius dalykus – žmonių veidus, vidines erdves, konkrečius objektus, jei jie yra gerai išdėstyti, gatves ir pan. Tačiau gamta yra netvarkinga ir šiame nuotraukų rinkinyje gyvūnai dažnai būna tik iš dalies arba labai arti, toli arba persidengia. Man, kaip ekologui, tai labai įdomu, nes tai suteikia mums naują būdą naudoti technologijas tiriant laukinę gamtą plačiose srityse ir ilgą laiką.
Tyrėjai naudojo vaizdus, užfiksuotus ir surinktus Snapshot Serengeti, piliečių mokslo projekto su slaptos laukinės gamtos kameros paplito visoje Tanzanijoje. Nuo dramblio iki gepardų, Snapshot Serengeti surinko milijonus laukinės gamtos nuotraukų. Tačiau patys vaizdai nėra tokie vertingi kaip kadre esantys duomenys, įskaitant informaciją, pvz., gyvūnų skaičių ir tipą.
Automatizuotas identifikavimas ir aprašymai turi daug naudos ekologams. Daugelį metų „Snapshot Serengeti“ naudojo laukinės gamtos vaizdų apibūdinimo užduotį. Su maždaug 50 000 savanorių pagalba grupė pažymėjo daugiau nei tris milijonus vaizdų. Būtent šį paženklintų vaizdų lobyną tyrėjai naudojo treniruodami savo algoritmą.
Dabar, užuot kreipęsi į piliečius mokslininkus, tyrėjai gali paskirti sudėtingą užduotį algoritmui, kuris gali greitai apdoroti nuotraukas ir pažymėti pagrindines jų detales.
„Bet kuri mokslinių tyrimų grupė ar gamtosaugos grupė, kuri bando suprasti ir apsaugoti rūšį ar ekosistemą, gali toje ekosistemoje dislokuoti judesio jutiklio kameras. Jeffas Clune'as, sakė Vajomingo universiteto kompiuterių mokslų profesorius. „Pavyzdžiui, jei tyrinėjate jaguarus miške, prie takų galite įrengti judesio jutiklių kamerų tinklą. Tada sistema automatiškai nufotografuos gyvūnus, kai jie judės prieš kameras, o tada A.I. technologija suskaičiuos matytų gyvūnų skaičių ir automatiškai ištrina visas darytas nuotraukas, kuriose nėra gyvūnų, o tai pasirodo labai daug, nes judesio jutiklio kameras suveikia vėjas, krentantys lapai, ir tt“.
Straipsnis, kuriame išsamiai aprašomas tyrimas Šią savaitę buvo paskelbtas žurnale „Proceedings of the National Academy of Sciences“.
Redaktorių rekomendacijos
- Analoginis A.I.? Skamba beprotiškai, bet tai gali būti ateitis
- Naujausias Nvidia A.I. rezultatai įrodo, kad ARM yra pasiruošęs duomenų centrui
- „Nvidia“ sumažina kliūtis patekti į A.I. su „Fleet Command“ ir „LaunchPad“.
- Perskaitykite siaubingai gražų A.I. „sintetinį raštą“. kad mano, kad tai Dievas
- A.I. ateitis: 4 dideli dalykai, į kuriuos reikia atkreipti dėmesį per ateinančius kelerius metus
Atnaujinkite savo gyvenimo būdąSkaitmeninės tendencijos padeda skaitytojams stebėti sparčiai besivystantį technologijų pasaulį – pateikiamos visos naujausios naujienos, smagios produktų apžvalgos, įžvalgūs vedamieji leidiniai ir unikalūs žvilgsniai.
