Os pesquisadores da vida selvagem treinam a IA para identificar melhor as espécies animais em fotos de câmera da trilha

Os cientistas da Universidade Estadual de Oregon melhoraram a capacidade da Inteligência Synthetic de identificar espécies de vida selvagem em fotos tiradas por câmeras ativadas por movimento.

Seu estudo, que introduz uma abordagem menos-é mais para os dados nos quais um modelo de IA é treinado, abre a porta para a análise de imagem da vida selvagem que é mais precisa e também mais econômica.

As câmeras ativadas por movimento são uma importante ferramenta de monitoramento da vida selvagem, mas revisar milhares de imagens manualmente pode ser proibitivamente demorado, e os modelos atuais de IA são às vezes imprecisos para serem úteis para cientistas e gerentes de vida selvagem.

“Um dos maiores problemas no uso da IA ​​na pesquisa da vida selvagem é a precisão limitada quando usamos o modelo para classificar as imagens em um novo local-um modelo nunca ‘viu’ antes”, disse a coautora do estudo, Christina Aiello, associada de pesquisa da Faculdade de Ciências Agrícolas da Oregon State College.

“A abordagem que usamos maior precisão em novos locais, bem como em websites que não são do NOVEL, e criamos um modelo mais consistentemente preciso em diversos locais”.

O pesquisarliderado por Owen Okuley, um estudante de graduação Sob a orientação de Aiello no Departamento de Pesca, Vida Selvagem e Ciências da Conservação, foi publicada em Informática ecológica. O estudo usou ovelhas bighorn como um exemplo de espécie, mas a IA treinamento Descrito no artigo é amplamente aplicável, dizem os cientistas.

“Owen está explorando maneiras de curar conjuntos de dados de treinamento para melhorar a precisão da IA ​​mais rapidamente, com menos dados, o que eu acho que é uma mudança muito necessária na maneira como nosso campo usa a IA”, disse Aiello. “Temos recebido o máximo de imagens de conveniência da vida selvagem possível para uso no treinamento e, à medida que o número de imagens de treinamento aumenta, a maioria dos cientistas esperava que a precisão dos modelos de IA melhorasse.

“Mas, em um certo ponto, há melhorias mínimas à medida que mais dados são adicionados. Acho que precisamos ser mais seletivos com as informações que alimentamos esses modelos para obter melhores resultados”.

Aiello, Okuley, Professor da OSU Clinton Epps e colaboradores aprenderam os melhores resultados de identificação decorrentes de limitar o treinamento de um modelo de IA a uma espécie-em vez de todas as espécies-e incluir imagens tiradas em uma variedade de ambientes locais específicos do projeto. O modelo foi capaz de identificar Ovelha Bighorn De novos locais dentro de uma região com precisão semelhante aos locais de treinamento quando as imagens incluíam variações de fundo suficientes.

“Ao restringir os objetivos e, ao mesmo tempo, garantindo a variedade de dados de treinamento, alcançamos quase 90% de precisão de identificação com uma pequena fração dos dados de treinamento-10.000 imagens de treinamento-exigidas por modelos de IA com desempenho semelhante”, disse Okuley. “E menos imagens significa que um modelo requer menos poder de computação e menos energia, os quais são benéficos para a vida selvagem que procuramos estudar”.

Okuley, que está se formando em junho, e Aiello foi emparelhado com o Programa de Mentoria de Graduação da Pesca e Vida Selvagem. Trabalhando no laboratório da EPPS, Okuley aprendeu a gerenciar dados e pesquisas de armadilhas para câmera para amostras genéticas da Bighorn com um estudante de pós -graduação em uma base militar antes de liderar seu próprio projeto de pesquisa de IA.

“Ser capaz de abordar um projeto do início ao fim me permitiu crescer imensamente como cientista”, disse ele. “Consegui não apenas fazer fortes conexões com meus co-autores e mentores, mas consegui me envolver com os aspectos da pesquisa que a maioria dos estudantes de graduação nunca vê, como conceituação, escrita e publicação de concessão”.

Okuley seguirá um Ph.D. em ecologia e biologia ambiental da Universidade do Texas em El Paso, onde tentará criar um conjunto de programas de IA classificando sequencialmente características específicas de aves aquáticas com o objetivo de identificar não apenas espécies individuais, mas também híbridos.

Pesquisadores da Universidade Johns Hopkins, do Departamento de Peixes e Vida Selvagem da Califórnia e do Serviço Nacional de Parques também participaram do estudo de Bighorn.