Na záchranu ohrozených zvierat prišiel na pomoc DeepMind s AI

DeepMind spolupracuje s ochranármi a ekológmi pri vývoji nových motód strojového učenia. Tie pomôžu študovať behaviorálnu dynamiku celej africkej živočíšnej komunity v národnom parku Serengeti.

Serengeti v Tanzánii je jedným z posledných zvyšných miest na svete kde sa nachádza neporušená komunita veľkých cicavcov. Zvieratá sa tam potulujú po obrovských plochách, z niektoré z nich migrujú po sezónnych zrážkach aj tisíce kilometrov cez niekoľko krajín.

ZDROJ | DeepMind

Región Serengeti má jedinečnú biodiverzitu, v ktorej sa nachádza zhruba 70 veľkých druhov cicavcov a 500 druhov vtákov.

Dynamické poľnohospodárstvo, bezohľadné pytliactvo a klimatické zmeny menia správanie zvierat a dynamiku populácie. Toto všetko sa deje v priestore, ktorý je ťažké monitorovať pomocou štandardných výskumných metód.

Pozrite siDeepMind učí umelú inteligenciu navigovať v neznámom prostredí

Preto je veľmi dôležité porozumieť tomu, ako tieto spoločenstvá zvierat fungujú, aby sme pochopili dynamiku týchto posledných nedotknutých ekosystémov, ako aj sformulovať účinné plány riadenia na zachovanie a ochranu integrity tohto jedinečného hotspotu biodiverzity.

ZDROJ | DeepMind

Pred necelými desiatimi rokmi program Serengeti Lion Research nainštaloval v chránenej oblasti stovky kamier citlivých na pohyb. Spúšťajú sa prechodom voľne žijúcich živočíchov, čo umožňuje vedcom študovať správanie zvierat, ich distribúciu a demografiu s veľkým priestorovým a časovým rozlíšením.

Takýmto spôsobom dokázal tím zhromaždiť milióny fotografií. Doteraz ich triedili a identifikovali dobrovoľníci ručne pomocou webovej platformy Zooniverse, ktorá je vynikajúcim pomocníkom pri mnohých podobných projektoch. Výsledkom je bohatý súbor údajov Snapshot Serengeti, ktorý obsahuje štítky a počty pre približne 50 rôznych druhov.

Dnes je však už proces anotácie náročný na prácu a čas; od vzniku fotografie trvá až rok, kým sa označia štítkami od dobrovoľníkov. Takýto veľký časový posun znemožňuje vedcov vykonávať základný výskum, ale aj sťažuje prácu ochranárom. Nedokážu pružne reagovať na výzvy a problémy v ekosystéme.

ZDROJ | DeepMind

Preto prišiel DeepMind na pomoc vedcom. Použil súbor údajov Snapshot Serengeti na trénovanie modelov strojového učenia s automatickým zisťovaním, identifikáciou a počítaním zvierat.

Využitie strojového učenia v tejto oblasti nie je nič nové. Vedci napríklad využívali turistické fotografie a videá z YouTube na sledovanie zvierat a zvukové nahrávky na identifikáciu druhov podľa ich zvukov.

Pozrite siDeepMind naučil umelú inteligenciu spomínať

Projekt viedol popredný ekológ a ochranár Dr. Meredith Palmer. Pod jeho vedením vznikol model, ktorý dokáže fungovať na rovnakej úrovni (alebo ešte lepšie) ako s ľudskými anotátormi pre väčšinu druhov v regióne. Dôležité je, že táto metóda znižuje čas na spracovanie údajov až o 9 mesiacov, čo má obrovský význam pre pomoc v tejto lokalite.

ZDROJ | DeepMind

Už tento mesiac sa začína ďalšia práca na novom projekte v Keni. DeepMind je zakladajúcim partnerom organizácie Deep Learning Indaba, hnutia operujúcom na celom kontinente zameraného na posilnenie výskumu a aplikácie ML a AI v Afrike.

Vedecký tím DeepMind pracuje na využívaní inteligencie pri riešení kľúčových vedeckých problémov, ktoré majú vplyv na svet. Vyvinul robustný model na zisťovanie a analýzu populácií zvierat v terénnych údajoch a pomohol konsolidovať údaje, aby rastúca komunita strojového učenia v Afrike mohla vybudovať AI systémy na ochranu, ktoré sa budú (dúfajme) rozširovať aj do ďalších parkov. Spoločnosť bude aj ďalej overovať svoje modely nasadzovaním v teréne a sledovaním ich pokroku.

ZDROJ | DeepMind

ZdrojDeepMind

Komentáre k článku