Искусственный интеллект и большие данные могут помочь сохранить дикую природу

Группа экспертов в области искусственного интеллекта и экологии животных предложила новый междисциплинарный подход, призванный улучшить исследования видов диких животных и более эффективно использовать огромные объемы данных, собираемые в настоящее время благодаря новым технологиям. 

Область экологии животных вступила в эпоху больших данных и Интернета вещей. В настоящее время собирается беспрецедентный объем данных о популяциях диких животных благодаря сложным технологиям, таким как спутники, дроны и наземные устройства (автоматические камеры и датчики, размещаемые на животных или в их окружении). 

Эти данные стало настолько легко получать и делиться ими, что они сократили расстояние и время для исследователей, сведя к минимуму присутствие людей в естественной среде обитания. На сегодняшний день доступно множество программ ИИ для анализа больших наборов данных, но они часто носят общий характер и плохо подходят для точного наблюдения за поведением и внешним видом диких животных. 

Группа ученых из EPFL (Федеральная политехническая школа Лозанны) и других университетов наметила новаторский подход к решению этой проблемы и разработке более точных моделей, объединив достижения в области компьютерного зрения с опытом экологов. Их выводы, опубликованные в журнале Nature Communications, открывают новые перспективы использования ИИ для сохранения видов дикой природы.

Создание междисциплинарных ноу-хау

Исследования дикой природы превратились из локальных в глобальные. Современные технологии теперь предлагают революционно новые способы получения более точных оценок популяций диких животных, лучшего понимания поведения животных, борьбы с браконьерством и прекращения сокращения биоразнообразия. 

Экологи могут использовать ИИ, а точнее компьютерное зрение, для извлечения ключевых характеристик из изображений, видео и других визуальных форм данных, чтобы быстро классифицировать виды диких животных, подсчитывать отдельных животных и собирать определенную информацию, используя большие наборы данных. 

Общие программы, используемые в настоящее время для обработки таких данных, часто работают как черные ящики и не используют весь объем существующих знаний о животном мире. Более того, их трудно настроить, иногда они страдают от плохого контроля качества и могут быть связаны с этическими проблемами, связанными с использованием конфиденциальных данных. 

Они также содержат ряд предубеждений, особенно региональных: например, если все данные, используемые для обучения данной программе, были собраны в Европе, программа может не подойти для других регионов мира.

«Мы хотели заинтересовать больше исследователей этой темой и объединить их усилия, чтобы продвинуться вперед в этой новой области. ИИ может служить ключевым катализатором в исследованиях дикой природы и защите окружающей среды в более широком смысле»

Дэвис Туиа руководитель из Лаборатории экологических вычислений и наблюдения за Землей EPFL и ведущий автор исследования

Если ученые-компьютерщики хотят уменьшить погрешность программы ИИ, обученной, например, распознавать определенный вид, они должны иметь возможность опираться на знания экологов-животных. Эти эксперты могут указать, какие характеристики следует учитывать в программе, например, может ли вид выжить на данной широте, имеет ли это решающее значение для выживания другого вида (например, через отношения хищник-жертва) или физиология вида меняется в течение его жизни. 

Новые алгоритмы машинного обучения могут использоваться для автоматической идентификации животного. Например, использование уникального полосатого узора зебры или динамика их движения на видео могут быть признаком личности.

«Вот где слияние экологии и машинного обучения является ключевым: полевой биолог обладает огромными знаниями в предметной области об изучаемых животных, и наша работа, как исследователей машинного обучения, состоит в том, чтобы работать с ними, чтобы создать инструменты для поиска решения»

Маккензи Матис глава кафедры интегративной неврологии Фонда Бертарелли EPFL и соавтор исследования

Информирование о существующих инициативах

Идея укрепить связи между компьютерным зрением и экологией возникла, когда Туиа, Матис и другие ученые обсуждали свои исследовательские задачи на различных конференциях за последние два года. Они увидели, что такое сотрудничество может быть чрезвычайно полезным для предотвращения вымирания некоторых видов диких животных. 

В этом направлении уже реализовано несколько инициатив, некоторые из которых перечислены в статье Nature Communications. Например, Туиа и его команда из EPFL разработали программу, которая может распознавать виды животных на основе изображений с дронов. Недавно она была протестирована на популяции тюленей. 

Тем временем Матис и ее коллеги представили программный пакет с открытым исходным кодом под названием DeepLabCut, который позволяет ученым оценивать и отслеживать позы животных с поразительной точностью. Его уже скачали 300 000 раз. 

DeepLabCut был разработан для лабораторных животных, но может использоваться и для других видов. Исследователи других университетов тоже разработали программы, но им сложно делиться своими открытиями, поскольку в этой области еще не сформировалось настоящее сообщество. Другие ученые часто не знают, что эти программы существуют или какая из них лучше всего подходит для их конкретных исследований.

Тем не менее первые шаги к такому сообществу были предприняты через различные онлайн-форумы. Однако статья Nature Communications предназначена для более широкой аудитории, состоящей из исследователей со всего мира. 

«Сообщество неуклонно формируется. До сих пор мы использовали сарафанное радио для создания первоначальной сети. Впервые мы начали два года назад с людьми, которые сейчас являются другими ведущими авторами статьи: Бенджамином Келленбергером из EPFL, Сарой Бири из Калифорнийского технологического института в США и Блэр Костелло из Института Макса Планка в Германии»

Дэвис Туиа руководитель из Лаборатории экологических вычислений и наблюдения за Землей EPFL и ведущий автор исследования