Mesterséges intelligencia az állatvilág nyomában: SpeciesNet

A mozgásérzékelős kamerák forradalmasítják az állatvilág megfigyelését: nemcsak a természetjárók vagy parkkezelők kapnak betekintést a helyi vadvilág mindennapjaiba, hanem a kutatók is hatalmas mennyiségű képet gyűjthetnek össze. Ezeknek a képeknek az manuális feldolgozása azonban rengeteg időt venne igénybe. Ebben nyújt segítséget a Google által fejlesztett SpeciesNet, egy mesterséges intelligencia alapú rendszer, amely több mint 2400 állatfajt képes felismerni és kategorizálni automatikusan, felgyorsítva ezzel a természetvédelmi kutatásokat.

Forradalom a vadmegfigyelésben

Napjainkban szinte minden hatékony vadmegfigyelési program a mozgásérzékelős kamerákra épül. Ezeket a kamerákat általában fákra szerelik, és az állatok hője vagy mozgása indítja el az automatikus fotózást. A technológia egyre megfizethetőbbé válik, így egy-egy projekt már akár száz vagy ezer kamerát is bevethet, hatalmas mennyiségű adatot gyűjtve. Az adatok feldolgozása azonban sokszor hónapokat vagy éveket vesz igénybe – itt jön képbe a SpeciesNet, amely mélytanulási algoritmusok segítségével gyorsan és pontosan azonosítja az állatokat a felvételeken.

A fajok felismerése kulcsfontosságú a populációk egészségi állapotának nyomon követéséhez, a vándorlási szokások vizsgálatához, különösen az éghajlatváltozás okozta változások fényében, illetve a veszélyeztetett fajok védelméhez szükséges adatgyűjtéshez. SpeciesNet segítségével a természetvédők sokkal hatékonyabban tudják monitorozni a biodiverzitást, és időben reagálni a populációk változásaira.

Hogyan működik és milyen eredményeket hoz?

A SpeciesNet egy globális szinten működő mesterséges intelligencia-modell, amely közel 2500 állatfaj azonosítására képes – emlősökre, madarakra és hüllőkre egyaránt. Együttműködik a MegaDetector nevű másik nyílt forráskódú modellel, amely megállapítja, mely képeken szerepelnek állatok, és pontosan hol találhatók a képen. SpeciesNet minden állatot fajnévvel és bizonyossági szinttel lát el, még akkor is, ha egy képen több különböző faj is látható.

Fontos kiemelni, hogy a modellt több mint 65 millió képen tanították meg, amelyeket természetvédelmi partnerek és nyilvános adatbázisok biztosítottak. Ez a hatalmas mennyiségű adat tette lehetővé, hogy a modell 99,4%-os pontossággal ismerje fel az állatokat, és több mint 80%-ban helyesen határozza meg a fajokat is. Ez a teljesítmény óriási előrelépés a korábbi, emberi erőforrásokat igénylő módszerekhez képest.

Nemzetközi sikertörténetek és alkalmazási területek

A SpeciesNet felhasználói között számos kutatócsoport található szerte a világon. Kolumbiában a Project Lucitania a ritka ocelotokat és pumákat figyeli, az USA-ban Idaho állam erdőségeiben a fekete medvék és jávorszarvasok populációját követik nyomon, míg Ausztráliában különleges fajokat, például a kaszováriát és a muszkuszos patkány-kengurut azonosítják. Az afrikai Serengeti Nemzeti Parkban pedig több mint 11 millió kép elemzése vált lehetővé, amelyet korábban önkéntesek végeztek, ám a képek mennyisége meghaladta a kapacitásukat. Most a SpeciesNet segítségével ez az óriási adatbázis napok alatt feldolgozható, és az eredmények alapján valós időben módosíthatók a megfigyelési stratégiák.

Ez a technológia az egész világon támogatja a természetvédelmi szervezeteket és kutatókat, akik így mélyebb és szélesebb körű kérdéseket tehetnek fel a vadon élő állatok viselkedésével és élőhelyeikkel kapcsolatban. A Google Earth AI program részeként a SpeciesNet hozzájárul ahhoz, hogy a közösségek és nonprofit szervezetek hatékonyabban vehessék fel a harcot a bolygónk legnagyobb kihívásaival.

Ha érdekel a téma mélyebb háttere és a legfrissebb fejlesztések, érdemes megismerkedni a SpeciesNet projekt részleteivel, amely új dimenziókat nyit a természetfigyelésben.