Анна Балабанова
©

ИИ научился различать диких животных в природе с точностью 96,6%

ИИ научился различать диких животных в природе с точностью 96,6%
© Serengeti

Возможности искусственного интеллекта простираются гораздо дальше, чем уже привычные нам голосовые помощники или самоуправляемые автомобили. Группа исследователей из университетов Оберна, Гарварда, Оксфорда, Миннесоты и Вайоминга разработала алгоритм машинного обучения, который может идентифицировать, описать и сосчитать количество животных, обитающих в дикой природе, с точностью 96,6%.

Новая технология позволяет нам систематически, ненавязчиво и недорого собирать данные об обитателях дикой природы. Это будет способствовать катализации процессов, трансформации знаний во многих областях экологии, биологии, зоологии и поведения животных в «большие массивы упорядоченных данных». Это значительно улучшит нашу способность по изучению и сохранению дикой природы и драгоценной экосистемы планеты, – говорит Джефф Клюн, доцент в Университете Вайоминга, старший научный сотрудник Лаборатории искусственного интеллекта компании Uber.
Джефф Клюн © jeffclune.com

Ученые разработали систему искусственного интеллекта, которая может автоматически идентифицировать, подсчитывать и описывать животных в их естественной среде обитания. Алгоритм работает по принципу «компьютерного зрения», в котором используется более 3,2 миллиона изображений проекта Snapshot Serengeti (гражданский проект на базе Zooniverse.org, который привлекает добровольцев для маркировки изображений слонов, жирафов, газелей, львов, гепардов и других животных в их естественной среде обитания).

© Serengeti

В проекте было задействовано более 50 000 добровольцев, которые в течение нескольких лет вручную маркировали более трех миллионов изображений.

Как это работает на практике: сенсорные камеры, реагирующие на движение (по большей части установленные в Танзании), автоматически делают снимки животных в естественной среде обитания и загружают их в сверточную нейронную сеть (тип глубокой нейронной сети, которая сопоставляет данные с изображениями, обработанными человеком). Затем фотографиям присваиваются «имена» и номера, обработка которых позволяет ИИ описывать, какие виды животных и какое их количество присутствует на снимке, а также идентифицировать действия, которые они совершают (например, едят или спят).

Алгоритм анализирует тип и количество видов на фото, а также их поведение.

Очевидно, что подобный алгоритм требует большого объема информации, в котором данные должны быть точно маркированы.

По словам ученых, инновационная система может маркировать шестимесячную партию изображений всего за несколько часов (что у 2-3 человек в среднем занимает до трех месяцев работы). Маргарет Космала (Margaret Kosmala), руководитель группы Snapshot Serengeti, говорит, что подобная технология может сэкономить более восьми лет человеческого труда на каждые 3 миллиона изображений.

Margaret Kosmala © Constant Contact
Когда мы только начинали, у нас было 3,2 миллиона маркированных изображений. Мы хотели проверить, сможем ли мы использовать машинное обучение для автоматизации работы добровольцев-людей. Наши добровольцы сделали феноменальную работу, но нам нужно было ускорить процесс обработки большого количества данных. Алгоритм глубокого обучения намного превзошел наши ожидания, – говорит глава проекта Snapshot Serengeti.

Данный проект стал частью растущей области исследований в сфере искусственного интеллекта, направленного на обнаружение и идентификацию животных.

В мире существуют сотни проектов, использующих фотокамеры-ловушки, и очень немногие из них способны набирать большие армии добровольцев для обработки своих данных. Это означает, что большая часть знаний остаются неиспользованными, – говорит Маргарет.

В ноябре 2016 года ученые из Университета Квинсленда разработали алгоритм для интеллектуальной системы TensorFlow Google, которая научилась автоматически выявлять морских коров на океанических изображениях. А в марте стартап iNaturalist запустил приложение Seek с поддержкой ИИ, которое автоматически идентифицирует виды животных, изображенных на фото.

Источник: Venturebeat, Rdmag

Один хлопок? Или же бурные овации? Хлопая больше или меньше, вы показываете, какой пост действительно чего-то стоит.
Комментарии