Ερευνητές στη Βρετανία απέδειξαν πως η τεχνολογία είναι ικανή να αναγνωρίσει δεκάδες είδη σε χιλιάδες ώρες ηχογραφήσεων και πως η τεχνητή νοημοσύνη μπορεί να προσφέρει έναν νέο, επαναστατικό και πρωτοπόρο τρόπο για τον έλεγχο και την παρακολούθηση της άγριας πανίδας.
Ειδικότερα, όπως αναφέρεται σε δημοσίευμα της βρετανικής εφημερίδας Guardian, οι ερευνητές ανέπτυξαν συστοιχίες καμερών και μικροφώνων ελεγχόμενων από τεχνητή νοημοσύνη, ούτως ώστε να αναγνωρίσουν διάφορα είδη ζώων, συμπεριλαμβανομένων των πτηνών, και να παρακολουθήσουν τις κινήσεις τους στη φύση. Οι ίδιοι θεωρούν πως η τεχνολογία θα δώσει λύση στο αυξανόμενο πρόβλημα που αντιμετωπίζει η βιοποικιλότητα στη Βρετανία.
Τα ρομποτικά μόνιτορ δοκιμάστηκαν σε τρεις διαφορετικές τοποθεσίες και κατέγραψαν ήχους και εικόνες, από τις οποίες οι υπολογιστές κατάφεραν στη συνέχεια να αναγνωρίσουν συγκεκριμένα είδη και να χαρτογραφήσουν τις θέσεις τους. Δεκάδες διαφορετικά είδη πτηνών αναγνωρίστηκαν από το «τραγούδι» τους, ενώ αλεπούδες, ελάφια, σκαντζόχοιροι και νυχτερίδες εντοπίστηκαν και αναγνωρίστηκαν με ανάλυση μέσω τεχνητής νοημοσύνης, χωρίς κανέναν άνθρωπο-παρατηρητή.
«Το κρίσιμο σημείο είναι η κλίμακα της επιχείρησης», δήλωσε ο Άντονι Ντάνσερ, ειδικός σε θέματα διατήρησης στη Ζωολογική Εταιρεία του Λονδίνου (ZSL). «Συλλέξαμε δεκάδες χιλιάδες αρχεία δεδομένων και χιλιάδες ώρες ήχου από τις περιοχές δοκιμών και αναγνωρίσαμε όλα τα είδη των ζώων από αυτά. Αυτό δεν θα μπορούσαμε να το κάνουμε, σε αυτή την κλίμακα, χρησιμοποιώντας ανθρώπους-παρατηρητές. Μόνο η τεχνητή νοημοσύνη το κατέστησε δυνατό». Και τώρα που αποδείξαμε την υπόσχεση της τεχνολογίας, μπορούμε να επεκταθούμε και σε άλλες περιοχές», δήλωσε ο ερευνητής.
Ο Νέιλ Στρόνγκ, υπεύθυνος στρατηγικής βιοποικιλότητας για τη Network Rail, ιδιοκτήτρια και διαχειρίστρια εταιρεία των υποδομών του μεγαλύτερου μέρους του σιδηροδρομικού δικτύου στη Μεγάλη Βρετανία, κατέχοντας περισσότερα από 52.000 εκτάρια γης με πολλές περιοχές που διαδραματίζουν καθοριστικό ρόλο στην προστασία της βιοποικιλότητας της χώρας, δήλωσε: «Στο παρελθόν, έπρεπε να εκτιμήσουμε τους τοπικούς πληθυσμούς της άγριας πανίδας από τα νεκρά ζώα -όπως οι ασβοί- που έχουν μείνει δίπλα στις γραμμές ή στην άκρη του δρόμου. Με αυτόν τον τρόπο έχουμε μια πολύ καλύτερη ιδέα για τα μεγέθη των πληθυσμών».
Ορισμένα από τα ζώα που μετακινούνται τακτικά στις σιδηροδρομικές γραμμές του Ηνωμένου Βασιλείου είναι ο σκαντζόχοιρος, όπως αποκαλύφθηκε από το πρόγραμμα. «Οι σκαντζόχοιροι είναι πραγματικά περιορισμένοι σε συγκεκριμένες τοποθεσίες, επειδή περιφράσσονται», δήλωσε ο Στρόνγκ, εξηγώντας στη συνέχεια πως υπάρχουν τρόποι ώστε το πρόβλημα να ξεπεραστεί. «Στη Σκωτία δημιουργούν περάσματα για σκαντζόχοιρους στις σιδηροδρομικές γραμμές, κάτι που περιλαμβάνει την κοπή μικρών οπών στις βάσεις όλων των νέων περιφράξεων που τοποθετούνται, έτσι ώστε να μπορούν να περάσουν οι σκαντζόχοιροι, αλλά τίποτα μεγαλύτερο από αυτούς».
Τώρα, οι ZSL και Network Rail σχεδιάζουν να επεκτείνουν τη χρήση των οθονών AI σε άλλες περιοχές. «Στις περιοχές που έχουμε ήδη ελέγξει, βρήκαμε ενδείξεις για περισσότερα από 30 είδη πτηνών και 6 είδη νυχτερίδων, καθώς και αλεπούδες και σκαντζόχοιρους, οπότε εκπλαγήκαμε ευχάριστα με τα σχετικά υγιή επίπεδα άγριας ζωής που βρήκαμε στο Λονδίνο», δήλωσε ο Ντάνσερ. «Ωστόσο, αυτός δεν ήταν στην πραγματικότητα ο κύριος σκοπός του έργου μας».
«Στόχος ήταν να δείξουμε ότι η τεχνολογία που καθοδηγείται από την τεχνητή νοημοσύνη – σε συνδυασμό με ακουστικές παγίδες και παγίδες με κάμερες – θα μπορούσε να χρησιμοποιηθεί αποτελεσματικά για την έρευνα της άγριας ζωής στη γη της Network Rail, αλλά και σε άλλες περιοχές του Ηνωμένου Βασιλείου. Θα μας πει πώς μετακινούνται τα είδη ανταποκρινόμενα στην κλιματική αλλαγή και πώς πρέπει να διαχειριζόμαστε τη βλάστηση, όχι μόνο δίπλα στις σιδηροδρομικές γραμμές, αλλά και στις άκρες των δρόμων και σε άλλα μέρη», εξήγησε ο Ντάνσερ.
Το κρίσιμο σημείο είναι ότι η μηχανική μάθηση (machine learning) θα είναι ζωτικής σημασίας για την προστασία της βιοποικιλότητας καθώς η χώρα θερμαίνεται, σημειώνει ο Guardian. «Αυτή η τεχνολογία θα απαιτήσει την ανάλυση δεκάδων χιλιάδων ωρών καταγραφών και εκατοντάδων χιλιάδων εικόνων», είπε ο Στρονγκ, προσθέτοντας πως «ρεαλιστικά, μόνο οι υπολογιστές μπορούν να το κάνουν αυτό για εμάς».
Με πληροφορίες από Guardian
