Pozrite si
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.
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.
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.
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.
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.
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.
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