Novo istraživanje je donijelo nove načine prevazilaženja jednog od najvećih ograničenja kod ispitivanja divljih ptica – pouzdanog prepoznavanja jedinki. U njemu su naučnici razvili vještačku inteligenciju (VI) za treniranje računara da prepoznaju pojedine ptice.
Istraživanje, koje je objavljeno u časopisu British Ecological Society, opisuje postupak korišćenja VI za pojedinačno prepoznavanje ptica. U to spada sakupljanje hiljada označenih fotografija ptica, i potom korišćenje tih podataka za treniranje i testiranje modela VI.
Naučnici su trenirali modele VI da prepoznaju slike pojedinačnih ptica iz divljih populacija velikih sjenica i pletilja, kao i zebrastih zeba u zarobljeništvu. Nakon treniranja, modeli VI su testirani na slikama ptica koje nijesu gledali ranije, i postigli su tačnost od preko 90% za divlje vrste i 87% za zebraste zebe.
U ispitivanjima o ponašanju životinja, prepoznavanje jedinki je jedan od najskupljih i vremenski najzahtjevnijih zadataka. Savremeni način označavanja, poput stavljanja obojenih traka na noge ptica, može biti stresno za životinje.
Ovi izazovi se mogu prevazići uz pomoć modela VI. Dr. Andre Fereira, vodeći autor istraživanja, rekao je: “Razvoj metoda za automatsko, nenapadno, prepoznavanje životinja, bez ikakvog označavanja i uplitanja istraživača, predstavlja veliki napredak u ovoj oblasti istraživanja. Osim toga, dma dosta prostora za pronalaženje novih primjena za ovaj sistem i dobijanje odgovora na pitanja koja su izgledala nedostupna u prošlosti”.
Naučnici su se suočili sa ovim zadatkom tako što su napravili hranilice sa kamerama i senzorima. Većina ptica obuhvaćena istraživanjem je imala pasivni integrisani odašiljač, poput mikročipova koji se ugrađuju mačkama i psima. Antene na ptičijim hranilicama su mogle da očitavaju identitet ptica iz ovih oznaka, i da okidaju kamere.
Dok neke vrste, poput leoparda, imaju jedinstvene šare, koje omogućavaju ljudima da ih prepoznaju golim okom, većina vrsta zahtijeva dodatne vizuelne znakove, kao što su trake u boji zakačene za noge ptica, da bi mogli da ih razlikujemo. Čak i tada, takvi načini zahtijevaju mnogo vremena i skloni su greškama.
Metodi VI, kao što je ovaj koji je predstavljen u ispitivanju, koriste vrstu dubokog učenja, poznatu kao konvolucione neuralne mreže; one su optimalne za rješavanje zadataka svrstavanja slika.
Izgled ptica se može promijeniti tokom vremena, na primjer kod mitarenja, i nije poznato kako bi to uticalo na učinak modela VI.
Autori dodaju da se ovakva ograničenja mogu prevazići pomoću dovoljno velikim brojem uzoraka od hiljada slika jedinki tokom dugog vremena, koje trenutno pokušavaju da prikupe.
Više o istraživanju, koje je objavljeno u časopisu British Ecological Society, možete pročitati ovdje.
Izvor: techexplorist.com