Введение: ИИ и популяция птиц
Исследования искусственного интеллекта и популяций птиц помогают ученым изучить, как птицы реагируют на пожары и меры, которые могут им помочь. Ученые из Калифорнии провели исследование пения птиц, чтобы определить, как птицы реагировали на лесные пожары в горном массиве Сьерра-Невада, и определить, какие меры помогли птицам быстрее восстановиться. В настоящее время исследователи анализируют миллион часов аудиозаписи, чтобы понять, как птицы реагировали на пожары, и выяснить, какие меры помогли птицам восстановиться.
Автор песен с искусственным интеллектом
Согласно недавней новости в журнале Scientific American, ученые также могут использовать звуковой ландшафт для анализа изменений во времени миграции и выявления глобальных закономерностей в численности населения. Все чаще аудиоданные поступают и из других проектов, в том числе из реализуемого в настоящее время проекта по подсчету насекомых и изучению воздействия светового и шумового загрязнения на сообщества птиц. Этот метод помог в изучении искусственного интеллекта и популяций птиц.
Source: YouTube
«Аудиоданные — это настоящая сокровищница, потому что они содержат огромное количество информации», — заявил эколог Коннор Вуд, постдокторант Корнелльского университета, возглавляющий проект Сьерра-Невада. «Нам просто нужно творчески подумать о том, как поделиться этой информацией и получить к ней доступ». В этом помогает искусственный интеллект: системы искусственного интеллекта последнего поколения способны идентифицировать виды животных по их звонкам и обрабатывать тысячи часов данных менее чем за день.
Влияние искусственного интеллекта на умные дома
В качестве помощника директора Корнеллской лаборатории орнитологического центра природоохранной биоакустики Лорел Саймс исследует акустическую коммуникацию у таких животных, как сверчки, лягушки, летучие мыши и птицы. В рамках своего исследования она собрала многомесячные записи длиннорогих кузнечиков, известных как кузнечики (голосистые длиннорогие кузнечики, составляющие важную часть пищевой сети) в тропических лесах центральной Панамы. Эта аудиозапись полна скрытых в ней закономерностей размножения и сезонных изменений популяции, но ее анализ занял бы много времени.
«Машинное обучение кардинально изменило правила игры для нас», — заявил Саймс. Научный американец.
Саймс и трое ее коллег потратили 600 часов на определение видов кузнечиков на основе всего лишь 10 часов записи звука. Алгоритм машинного обучения ее команды под названием KatydID выполнял ту же задачу, в то время как его создатели-люди «выходили выпить пива», сказала Саймс.
В рамках анализа записей, сделанных в Сьерра-Неваде, команда Вуда будет использовать популярную систему распознавания звука под названием BirdNET, которая может распознавать пение птиц. Веб-приложение BirdNET было разработано Стефаном Калем, ученым в области машинного обучения из Корнеллского центра природоохранной биоакустики и Технологического университета Хемница в Германии. Ученые также используют BirdNET, чтобы документировать влияние светового и шумового загрязнения на пение птиц на рассвете во французском региональном природном парке Бриер.
Эпоха искусственного интеллекта
Крики птиц разных видов разнообразны и сложны. «Для идентификации вида нужно гораздо больше, чем просто подписи», — заявил Каль. Системы машинного обучения могут обнаружить различия между песнями птиц, у которых есть более одной песни, а также теми, у которых есть региональные диалекты: воробьи с белой короной из штата Вашингтон звучат совсем иначе, чем их калифорнийские собратья. «Допустим, сегодня выходит еще неизданная песня Битлз. Вы никогда раньше не слышали ни мелодию, ни текст, но вы знаете, что это песня Битлз, потому что именно так они звучат», — заявил Каль. «Это то, чему учатся и эти программы».
BirdVox совмещает изучение песен птиц и музыки
BirdVox, совместный проект Лаборатории исследований музыки и звука Нью-Йоркского университета и Орнитологической лаборатории Корнелла, применяет распознавание музыки к пению птиц. Согласно сообщению в блоге Нью-Йоркского университета, BirdVox исследует методы машинного прослушивания для автоматического обнаружения и классификации видов свободно летающих птиц на основе их вокализации.
Дрон, способный увернуться от всего, что в него бросят.
Исследователи BirdVox разрабатывают сеть акустических датчиков для мониторинга моделей миграции птиц в режиме реального времени, в частности, определения точного времени перелета каждого вида.
В настоящее время инструменты мониторинга миграции птиц полагаются на информацию с радара наблюдения за погодой, которая дает представление о плотности, направлении и скорости движения птиц, но не о мигрирующих видах. Исследователи отметили, что большая часть человеческих наблюдений собирается в светлое время суток, поэтому они имеют ограниченное применение для изучения ночных миграций.
6 часов роботов!
В дополнение к этим методам исследованиям искусственного интеллекта и популяций птиц могут помочь такие методы, как автоматический биоакустический анализ, который способен давать информацию о конкретных видах и является масштабируемым. Исследователи отметили, что такие методы актуальны для понимания биоразнообразия и мониторинга мигрирующих видов в районах со зданиями, самолетами, башнями связи и ветряными турбинами.
Исследователи Университета Дьюка используют дроны для мониторинга колоний морских птиц
Другая команда из Университета Дьюка и Общества охраны дикой природы (WCS) использует дроны и алгоритмы глубокого обучения для мониторинга крупных колоний морских птиц. Согласно пресс-релизу Университета Дьюка, команда анализирует более 10 000 изображений, сделанных дронами, смешанных колоний морских птиц, гнездящихся на Фолклендских островах, у побережья Аргентины, говорится в пресс-релизе Университета Дьюка.
На Фолклендских островах находятся крупнейшие в мире колонии чернобровых альбатросов (Thalassarche melanophris), а на Мальвинских островах, также известных как Фолклендские острова, находятся вторые по величине в мире колонии пингвинов-рокхопперов. На островах гнездятся сотни тысяч птиц густо рассыпанными стаями.
Глобальная гонка вооружений ИИ
Используя алгоритмы глубокого обучения, команда сообщила, что им удалось точно идентифицировать и подсчитать виды альбатросов в 97% случаев и пингвинов в 87% случаев. Примерно в 90% случаев результаты автоматического подсчета находились в пределах пяти процентов от ручного подсчета.
«Использование опросов с помощью дронов и глубокого обучения дает нам альтернативу, которая является удивительно точной, менее разрушительной и значительно более простой. Это может сделать один человек или небольшая команда, а оборудование, необходимое для этого, не так уж и дорого и сложно», — заявила Мэдлин С. Хейс, аналитик дистанционного зондирования в Морской лаборатории Университета Дьюка, возглавлявшая исследование. изучать.
Роботизированная хирургия
До того, как этот новый метод стал доступен, ученые подсчитывали количество видов, которые они могли наблюдать на части островов, чтобы следить за колониями, расположенными на двух скалистых, необитаемых внешних островах. Эти цифры будут экстраполированы, чтобы получить оценку численности населения колонии. Для большей точности подсчеты часто приходилось повторять — трудоемкий процесс, который мог нарушить репродуктивное и родительское поведение птиц.
Ученые WCS с помощью потребительского дрона сделали более 10 000 отдельных изображений. С помощью программного обеспечения для обработки изображений Хейс создал крупномасштабное композитное изображение. В этом случае она затем проанализировала изображение с помощью сверточной нейронной сети (CNN), подхода искусственного интеллекта, который использует алгоритм глубокого обучения для анализа изображения и подсчета объектов, которые оно «видит» — двух видов птиц, в данном случае пингвинов. и альбатросы. Мы собрали данные об общей численности птиц в колониях, чтобы получить комплексные оценки.
Расцвет искусственного интеллекта в Канаде
«CNN в общих чертах смоделирована на основе человеческой нейронной сети, поскольку она учится на основе опыта», — заявил Дэвид В. Джонстон, директор Лаборатории морской робототехники и дистанционного зондирования Duke. «Вы обучаете компьютер улавливать различные визуальные узоры, например, созданные чернобровыми альбатросами или южными пингвинами-рокхоперами на образцах изображений, и со временем он учится идентифицировать объекты, образующие эти узоры, на других изображениях, таких как наша составная фотография. ».
Джонстон, который также является доцентом практики морской экологии в Школе окружающей среды Николаса Дьюка, сказал, что новый подход с использованием дронов и CNN широко применим «и значительно увеличивает наши возможности контролировать размер и здоровье колоний морских птиц». во всем мире, а также здоровье морских экосистем, в которых они обитают».
Чтобы прочитать исходные статьи и информацию, упомянутую в статье об искусственном интеллекте и популяциях птиц, перейдите по следующим ссылкам:
Сообщение блога в Нью-Йоркском университете
пресс-релиз из Университета Дьюка.