動物生態研究已進入大數據和物聯網時代。由于衛星、無人機和地面設備(如自動相機和放置在動物或其周圍環境中的傳感器)等先進技術,現在收集的野生動物種群數據量前所未有。如今,可以使用各種 AI 程序來分析大型數據集,但它們通常在本質上是通用的,不適合觀察野生動物的確切行為和外觀。來自 EPFL 和其他大學的科學家團隊概述了解決該問題的開創性方法,并通過結合計算機視覺與生態專業知識來開發更準確的模型。
野生動物研究已從本地走向全球。現代技術現在提供了革命性的新方法,可以更準確地估計野生動物種群,更好地了解動物行為,打擊偷獵和阻止生物多樣性的下降。
生態學家可以使用計算機視覺,從圖像、視頻和其他視覺數據中提取關鍵特征,以便使用大型數據集快速分類動物物種、計數個體動物并收集某些信息。目前用于處理此類數據的通用程序通常像黑匣子一樣工作,并且不能充分利用有關動物學的現有知識。更重要的是,它們難以定制,有時質量控制不佳,并且可能會受到數據隱私問題的影響。它們還包含一些地域差異,例如,如果用于訓練給定程序的所有數據都是在歐洲收集的,那么該程序可能不適合世界其他地區。
“我們希望讓更多的研究人員對這個主題感興趣并集中他們的努力,以便在這個新興領域取得進展。人工智能可以作為更廣泛的野生動物研究和環境保護的關鍵催化劑。”負責人 Devis Tuia 教授說。
例如,如果計算機科學家想要減少經過訓練以識別特定物種的人工智能程序的誤差范圍,他們需要能夠利用動物生態學家的知識。這些專家可以指定程序中應考慮哪些特征,例如一個物種是否可以在給定的緯度生存。“幾年前,我們使用這種方法改進了熊的識別程序。”EPFL 的神經科學家 Mackenzie Mathis 教授說,“研究人員在熊棲息地安裝了自動攝像頭,以識別個體動物。但熊在冬眠時會減掉一半的身體脂肪,這意味著一旦季節變化,她使用的通用程序就不再能夠識別熊. 因此,我們在程序中添加了標準,不僅可以查看動物是否具有特定特征,還可以手動調整以允許可能的偏差。
如涉及版權問題,請與我們聯系,我們將即時刪除處理