Дикая природа огромна и разнообразна, здесь обитают миллионы видов животных. Для экологов идентификация и описание этих животных является ключом к успешным исследованиям. Это может оказаться непростой задачей, но искусственный интеллект может помочь.
В новом отчете, опубликованном на этой неделе, исследователи показывают, как они обучили алгоритм глубокого обучения автоматически идентифицировать, подсчитывать и характеризовать животных на изображениях. Система использовала фотографии, сделанные с помощью фотоловушек с датчиками движения, которые фотографируют животных, не причиняя им серьезного беспокойства.
Рекомендуемые видео
«Мы показали, что можем использовать компьютеры для автоматического извлечения информации из фотографий дикой природы, такой как виды, количество животных и то, что они делают». Маргарет Космала, научный сотрудник Гарвардского университета, рассказал Digital Trends. «Новым является то, что впервые было показано, что это можно делать так же точно, как люди. Искусственный интеллект стал лучше распознавать вещи в человеческой сфере — человеческие лица, внутренние помещения, конкретные объекты, если они удачно расположены, улицы и так далее. Но природа беспорядочна, и на этой подборке фотографий животные часто изображены лишь частично, либо очень близко, либо далеко, либо перекрывают друг друга. Как эколог, я нахожу это очень интересным, потому что это дает нам новый способ использования технологий для изучения дикой природы на обширных территориях и в длительные периоды времени».
Исследователи использовали изображения, снятые и собранные Snapshot Serengeti, гражданским научным проектом с участием стелс-камеры для наблюдения за дикой природой распространился по всей Танзании. Snapshot Serengeti собрал миллионы фотографий дикой природы — от слонов до гепардов. Но сами изображения не так ценны, как данные, содержащиеся в кадре, включая такие детали, как количество и тип животных.
Автоматизированная идентификация и описание имеет много преимуществ для экологов. В течение многих лет Snapshot Serengeti использовал краудсорсинг для описания изображений дикой природы. С помощью около 50 000 добровольцев группа пометила более трех миллионов изображений. Именно эту сокровищницу размеченных изображений исследователи использовали для обучения своего алгоритма.
Теперь вместо того, чтобы обращаться к гражданским ученым, исследователи смогут поручить трудоемкую задачу алгоритму, который сможет быстро обработать фотографии и пометить их ключевые детали.
«Любая научно-исследовательская группа или природоохранная группа, которая пытается понять и защитить вид или экосистему, может использовать камеры с датчиками движения в этой экосистеме», Джефф Клюн- сказал профессор информатики Университета Вайоминга. «Например, если вы изучаете ягуаров в лесу, вы можете разместить вдоль троп сеть камер с датчиками движения. Затем система автоматически фотографирует животных, когда они перемещаются перед камерами, а затем искусственный интеллект делает снимки. технология подсчитает количество замеченных животных и автоматически удалять все сделанные изображения, на которых нет животных, что оказывается очень много, поскольку камеры с датчиками движения срабатывают от ветра, падающих листьев, и так далее».
Документ с подробным описанием исследования была опубликована на этой неделе в журнале Proceedings of the National Academy of Sciences.
Рекомендации редакции
- Аналоговый ИИ? Это звучит безумно, но это может быть будущее
- Новейший ИИ от Nvidia. Результаты доказывают, что ARM готова к использованию в центрах обработки данных
- Nvidia снижает барьер для входа в сферу искусственного интеллекта. с Fleet Command и LaunchPad
- Прочтите устрашающе красивое «синтетическое писание» ИИ. который думает, что это Бог
- Будущее искусственного интеллекта: 4 важных события, на которые стоит обратить внимание в ближайшие несколько лет
Обновите свой образ жизниDigital Trends помогает читателям быть в курсе быстро меняющегося мира технологий благодаря всем последним новостям, забавным обзорам продуктов, содержательным редакционным статьям и уникальным кратким обзорам.
