Дика природа величезна та різноманітна, домівка для мільйони видів тварин. Для екологів ідентифікація та опис цих тварин є ключем до успішних досліджень. Це може виявитися важким завданням, але штучний інтелект може допомогти.
У новому звіті, опублікованому цього тижня, дослідники показують, як вони навчили алгоритм глибокого навчання для автоматичної ідентифікації, підрахунку та характеристики тварин на зображеннях. Система використовувала фотографії, зроблені з камер-пасток із датчиками руху, які знімали тварин, серйозно їх не турбуючи.
Рекомендовані відео
«Ми показали, що можемо використовувати комп’ютери для автоматичного отримання інформації з фотографій дикої природи, такої як вид, кількість тварин і те, що вони роблять». Маргарет Космала, науковий співробітник Гарвардського університету, розповів Digital Trends. «Новиною є те, що це вперше було показано, що це можливо зробити так само точно, як люди. Штучний інтелект починає добре розпізнавати речі в людському домені — людські обличчя, внутрішні простори, конкретні об’єкти, якщо вони правильно розташовані, вулиці тощо. Але природа безладна, і на цьому наборі фотографій тварини часто зображені лише частково, або дуже близько, або далеко, або перекриваються. Як еколог, я вважаю це дуже захоплюючим, тому що це дає нам новий спосіб використовувати технології для вивчення дикої природи на широких територіях і в тривалих проміжках часу».
Дослідники використали зображення, зроблені та зібрані Snapshot Serengeti, громадським науковим проектом з стелс-камери дикої природи поширився по всій Танзанії. Від слонів до гепардів, Snapshot Serengeti зібрав мільйони фотографій дикої природи. Але самі зображення не такі цінні, як дані, що містяться в кадрі, включаючи такі деталі, як кількість і тип тварин.
Автоматизована ідентифікація та описи мають багато переваг для екологів. Протягом багатьох років Snapshot Serengeti використовував краудсорсинг для опису зображень дикої природи. За допомогою приблизно 50 000 добровольців група позначила понад три мільйони зображень. Саме цю скарбницю мічених зображень використовували дослідники для навчання свого алгоритму.
Тепер замість того, щоб звертатися до вчених-громадян, дослідники зможуть доручити це трудомістке завдання алгоритму, який зможе швидко обробити фотографії та позначити ключові деталі.
«Будь-яка наукова дослідницька група або природоохоронна група, яка намагається зрозуміти та захистити вид або екосистему, може розгорнути в цій екосистемі камери з датчиками руху», Джефф Клюн, професор інформатики в Університеті Вайомінгу, сказав. «Наприклад, якщо ви вивчаєте ягуарів у лісі, ви можете розмістити вздовж стежок мережу камер із датчиками руху. Потім система автоматично фотографуватиме тварин, коли вони рухаються перед камерами, а потім ШІ. технологія підрахує кількість тварин, яких побачили, і автоматично видаляти всі зроблені зображення, на яких немає тварин, яких виявляється дуже багато, оскільки камери з датчиками руху спрацьовують від вітру, падіння листя, тощо».
Папір із детальним описом дослідження був опублікований цього тижня в журналі Proceedings of the National Academy of Sciences.
Рекомендації редакції
- Аналоговий ШІ? Це звучить божевільно, але це може бути майбутнє
- Найновіший штучний інтелект Nvidia. результати доводять, що ARM готова до центру обробки даних
- Nvidia знижує бар'єр для входу в A.I. з Fleet Command і LaunchPad
- Прочитайте моторошно красиве «синтетичне писання» штучного інтелекту. що думає, що це Бог
- Майбутнє штучного інтелекту: 4 важливі речі, на які варто звернути увагу в найближчі кілька років
Оновіть свій спосіб життяDigital Trends допомагає читачам стежити за динамічним світом технологій завдяки всім останнім новинам, цікавим оглядам продуктів, проникливим редакційним статтям і унікальним у своєму роді коротким оглядам.
