Aby wykorzystać odległe lokalizacje do rejestrowania i oceny zachowań dzikich zwierząt i warunków środowiskowych, inicjatywa GAIA opracowała algorytm sztucznej inteligencji (AI), który niezawodnie i automatycznie klasyfikuje zachowania sępów białogrzbietych przy użyciu danych z tagów zwierząt. Jako padlinożercy sępy zawsze szukają kolejnej padliny. Dzięki oznaczonym zwierzętom i drugiemu algorytmowi AI naukowcy mogą teraz automatycznie lokalizować padliny na rozległych obszarach. Algorytmy opisane w niedawno opublikowanym artykule w czasopiśmie Journal of Applied Ecology są zatem kluczowymi elementami systemu wczesnego ostrzegania, który można wykorzystać do szybkiego i niezawodnego rozpoznawania krytycznych zmian lub incydentów w środowisku, takich jak susze, wybuchy chorób lub nielegalne zabijanie dzikich zwierząt.
Inicjatywa GAIA to sojusz instytutów badawczych, organizacji ochrony przyrody i przedsiębiorstw, którego celem jest stworzenie zaawansowanego technologicznie systemu wczesnego ostrzegania przed zmianami środowiskowymi i krytycznymi incydentami ekologicznymi. Nowe algorytmy AI zostały opracowane przez Instytut Leibniza ds. Badań nad Zoo i Dziką Przyrodą (Leibniz-IZW) we współpracy z Instytutem Fraunhofera ds. Układów Zintegrowanych IIS i Tierpark Berlin.
Śmierć dzikich zwierząt to ważny proces w ekosystemach — niezależnie od tego, czy jest to regularny przypadek, taki jak udane upolowanie drapieżnika, czy wyjątkowy przypadek spowodowany wybuchem choroby dzikich zwierząt, skażeniem krajobrazu toksynami środowiskowymi lub nielegalnym zabijaniem przez ludzi. W celu zbadania społeczności gatunków ssaków i ekosystemów ważne jest zatem systematyczne rejestrowanie i analizowanie tych regularnych i wyjątkowych przypadków śmiertelności. Aby to osiągnąć, inicjatywa GAIA wykorzystuje naturalne zdolności sępów białogrzbietych (Gyps africanus) w połączeniu z wysoko rozwiniętymi technologiami biologowania i sztuczną inteligencją. „To połączenie trzech form inteligencji — zwierzęcej, ludzkiej i sztucznej — stanowi sedno naszego nowego podejścia I³ , dzięki któremu zamierzamy wykorzystać imponującą wiedzę, jaką dzikie zwierzęta mają na temat ekosystemów” — mówi dr Jörg Melzheimer, kierownik projektu GAIA i naukowiec w Leibniz-IZW.
Sępy są doskonale przystosowane przez miliony lat ewolucji do szybkiego i niezawodnego wykrywania padliny na rozległych obszarach. Mają znakomity wzrok i zaawansowaną komunikację, która pozwala im monitorować bardzo duże obszary lądu, gdy wiele osobników współpracuje ze sobą. Sępy spełniają zatem ważną rolę ekologiczną, oczyszczając krajobrazy z padliny i powstrzymując rozprzestrzenianie się chorób dzikich zwierząt. „Dla nas, jako naukowców zajmujących się ochroną przyrody, wiedza i umiejętności sępów jako strażników są bardzo pomocne w szybkim rozpoznawaniu problematycznych wyjątkowych przypadków śmiertelności i inicjowaniu odpowiednich reakcji” — mówi dr Ortwin Aschenborn, kierownik projektu GAIA obok Melzheimera w Leibniz-IZW. „Aby wykorzystać wiedzę o sępach, potrzebujemy interfejsu — a w GAIA interfejs ten jest tworzony przez łączenie znaczników zwierząt ze sztuczną inteligencją”.
Znaczniki zwierzęce, w które GAIA wyposażyła sępy białogrzbiete w Namibii, rejestrują dwie grupy danych. Czujnik GPS podaje dokładną lokalizację oznaczonego osobnika w określonym punkcie czasowym. Tak zwany czujnik ACC (ACC to skrót od przyspieszenia) przechowuje szczegółowe profile ruchu znacznika — a zatem zwierzęcia — wzdłuż trzech osi przestrzennych w dokładnie tym samym czasie. Obie grupy danych są wykorzystywane przez algorytmy sztucznej inteligencji opracowane w Leibniz-IZW. „Każde zachowanie jest reprezentowane przez określone wzorce przyspieszenia i w ten sposób tworzy określone sygnatury w danych ACC czujników” — wyjaśnia biolog dzikiej przyrody i specjalista ds. sztucznej inteligencji Wanja Rast z Leibniz-IZW.
„Aby rozpoznać te sygnatury i niezawodnie przypisać je do określonych zachowań, wyszkoliliśmy sztuczną inteligencję przy użyciu danych referencyjnych. Te dane referencyjne pochodzą od dwóch sępów białogrzbietych, którym założyliśmy znaczniki w Tierpark Berlin, oraz od 27 dzikich sępów wyposażonych w znaczniki w Namibii”. Oprócz danych ACC z tagów naukowcy rejestrowali dane dotyczące zachowania zwierząt — w zoo za pomocą nagrań wideo i w terenie, obserwując zwierzęta po ich oznaczeniu. „W ten sposób uzyskaliśmy około 15 000 punktów danych sygnatur ACC przypisanych do zweryfikowanego, określonego zachowania sępa. Obejmowały one aktywny lot, szybowanie, leżenie, karmienie i stanie. Ten zestaw danych pozwolił nam wytrenować tzw. maszynę wektorów nośnych , algorytm AI, który przypisuje dane ACC do określonych zachowań z wysokim stopniem niezawodności” — wyjaśnia Rast.
W drugim kroku naukowcy połączyli sklasyfikowane w ten sposób zachowania z danymi GPS z tagów. Korzystając z algorytmów do grupowania przestrzennego, zidentyfikowali lokalizacje, w których pewne zachowania występowały częściej. W ten sposób uzyskali przestrzennie i czasowo dokładne lokalizacje, w których żerowały sępy. „Naukowcy terenowi GAIA i ich partnerzy terenowi byli w stanie zweryfikować ponad 500 podejrzewanych lokalizacji zwłok uzyskanych z danych czujników, a także ponad 1300 klastrów innych zachowań niezwiązanych z zwłokami” — mówi Aschenborn. Zweryfikowane w terenie lokalizacje zwłok ostatecznie posłużyły do ustalenia sygnatur miejsc żerowania sępów w ostatecznym zestawie danych szkoleniowych AI naukowców — ten algorytm wskazuje z dużą precyzją lokalizacje, w których zwierzę najprawdopodobniej zdechło, a zwłoki znajdują się na ziemi. „Mogliśmy przewidzieć lokalizacje zwłok z imponującym prawdopodobieństwem 92 procent, co pozwoliło nam wykazać, że system łączący zachowanie sępów, znaczniki zwierząt i sztuczną inteligencję jest bardzo przydatny do monitorowania śmiertelności zwierząt na dużą skalę” — mówi Aschenborn.
Ta oparta na sztucznej inteligencji klasyfikacja zachowań, wykrywanie zwłok i lokalizacja zwłok to kluczowe elementy systemu wczesnego ostrzegania GAIA w przypadku krytycznych zmian lub incydentów w środowisku.
Do tej pory ten etap metodologiczny był przeprowadzany w laboratorium danych GAIA I³ w Leibniz-IZW w Berlinie — mówi Melzheimer. „Jednak dzięki nowej generacji znaczników zwierzęcych opracowanych przez nasze konsorcjum analizy AI są wdrażane bezpośrednio na znaczniku. Zapewni to wiarygodne informacje o tym, czy i gdzie znajduje się zwłoka zwierzęca, bez wcześniejszego przesyłania danych w czasie rzeczywistym i bez żadnej straty czasu.
Przesyłanie wszystkich surowych danych GPS i ACC nie jest już konieczne, co umożliwia komunikację danych o znacznie niższej przepustowości w celu przesyłania odpowiednich informacji. Umożliwia to korzystanie z połączenia satelitarnego zamiast naziemnych sieci GSM, co gwarantuje zasięg nawet w odległych regionach dzikiej przyrody, całkowicie niezależnych od lokalnej infrastruktury. Nawet w najbardziej odległych lokalizacjach krytyczne zmiany lub incydenty w środowisku — takie jak wybuchy chorób, susze lub nielegalne zabijanie dzikich zwierząt — mogłyby zostać rozpoznane bez opóźnień.
W ostatnich dekadach populacje wielu gatunków sępów gwałtownie spadły i obecnie są poważnie zagrożone wyginięciem. Głównymi przyczynami są utrata siedlisk i pożywienia w krajobrazach ukształtowanych przez ludzi, a także duża liczba bezpośrednich lub pośrednich przypadków zatruć. Na przykład populacja sępa białogrzbietego zmniejszyła się o około 90 procent w ciągu zaledwie trzech pokoleń — co odpowiada średniemu spadkowi o 4 procent rocznie. „Ze względu na ich znaczenie ekologiczne i szybki spadek, istotne jest znaczące zwiększenie naszej wiedzy i zrozumienia sępów w celu ich ochrony” — mówi Aschenborn. „Nasze badania wykorzystujące metody analizy oparte na sztucznej inteligencji nie tylko dostarczą nam wglądu w ekosystemy. Zwiększą również naszą wiedzę na temat tego, jak sępy komunikują się, wchodzą w interakcje i współpracują, żerują, rozmnażają się, wychowują młode i przekazują wiedzę z pokolenia na pokolenie”. GAIA do tej pory wyposażyła w znaczniki ponad 130 sępów w różnych częściach Afryki, większość z nich w Namibii. Do dziś naukowcy przeanalizowali ponad 95 milionów punktów danych GPS i 13 miliardów rekordów ACC.
Źródło: materiały Leibniz Institute for Zoo and Wildlife Research (IZW), zdjęcie zajawka: Freepik
Zostaw komentarz
You must be logged in to post a comment.