Umelá inteligencia zefektívni monitoring primátov
Úvodný obrázok zdroj: Karen Arnold, Pixabay – upravené
Pozorovanie zvierat a následné vyhodnocovanie záberov či manuálne prehľadávanie vhodných snímok, ktoré je vedec schopný rozpoznať. Vedci musia bojovať nielen s ťažkým vybavením, ale aj s únavou. Ak označíme samotné pozorovanie ako najkrajšiu časť výskumu v divočine, potom analýze dát priradíme pojem najpozoruhodnejšia. Na základe výsledkov vedci čakajú potvrdenie ich hypotéz, no spracovanie dát je zbytočne zdĺhavý a nákladný krok. Ako môže prispieť umelá inteligencia?
Neurónové siete v akcii
Nový model, ktorý je založený na neurónových sieťach, vyskúšal tím expertov monitorujúcich šimpanzy v ich prirodzenom prostredí Guinejského pralesa. Primáty monitorujú vyše 30 rokov, a tak dokázali pri trénovaní poskytnúť obrovské množstvo zozbieraných dát. Dataset zbieraný 14 rokov obsahoval vyše 10 miliónov snímok tvárí 23 sledovaných primátov.
zdroj: Sasin Tipchai, pixabay
Na ich detekciu a sledovanie boli použité hlboké konvolučné neurónové siete (hlboké CNN), táto analýza sa však nekonala na základe zastaveného obrazu video záznamu. Hlboké CNN využili rovnako aj pri identifikovaní jedinca (mali k nim priradené mená) a určení pohlavia zo získaného záznamu.
Navrhnutý model Oxfordskej univerzity prináša efektívnejšie riešenie pre výskum primátov, v porovnaní s aktuálne používaným manuálnym spracovaním.
Efektívnosť
Efektivita oxfordského modelu nie je len vo vyššej úspešnosti spracovania oproti človeku, ale predstavuje hlavne úsporu nákladov a času. Tie môžu vedci ale investovať inde.
Vypracovať sa na experta označujúceho primátov trvá dlho. Musí dosiahnuť viac ako 50% úspešnosť pri identifikovaní druhov a mať skúsenosti v ich kódovaní v trvaní vyše 50 hodín. Experti mali pri klasifikovaní primátov úspešnosť 42 ± 24,33 %, začiatočníci iba 20.67 ± 11.24 %. Na porovnanie, navrhnutý model umelej inteligencie dosiahol úspešnosť 84 % behom 30 s na klasickej CPU a 60 ms s použitím grafiky Titan X.
Daná metóda používa navyše aj nový prístup, a to analyzovanie priamo z video záznamu, bez zastavenia.
Navrhnuté riešenie predstavuje jedinečnú pomoc, ak by sa opakovala napr. situácia z roku 2003, kedy v dôsledku epidémie bola komunita primátov značne zredukovaná. Problematická bola aj identifikácia novorodencov a sledovanie ich vývoja. Výhodou tohto návrhu je však jeho použitie aj pre iné živočíšne druhy, ktoré môžu experti pozorovať v svojom prirodzenom prostredí.
Zdroje: University of Oxford, Science Advances
