Hvordan feriebilleder af zebraer og hvaler kan hjælpe med bevaring

Feriebilleder af zebraer og hvaler, som turister poster på sociale medier, kan have en fordel, de aldrig havde forventet:at hjælpe forskere med at spore og indsamle information om truede arter.

Forskere bruger kunstig intelligens (AI) til at analysere billeder af zebraer, hajer og andre dyr for at identificere og spore individer og give ny indsigt i deres bevægelser såvel som befolkningstendenser.

"Vi har millioner af billeder af truede og truede dyr taget af videnskabsmænd, kamerafælder, droner og endda turister," siger Tanya Berger-Wolf, direktør for Translational Data Analytics Institute ved Ohio State University.

"Disse billeder indeholder et væld af data, som vi kan udtrække og analysere for at hjælpe med at beskytte dyr og bekæmpe udryddelse."

Og et nyt felt kaldet imageomics tager brugen af ​​dyrelivsbilleder et skridt videre ved at bruge AI til at udtrække biologisk information om dyr direkte fra deres fotos, sagde Berger-Wolf, professor i datalogi og teknik, elektro- og computerteknik og evolution , økologi og organismebiologi i Ohio State.

Hun diskuterede de seneste fremskridt i brugen af ​​kunstig intelligens til at analysere dyrelivsbilleder og grundlæggelsen af ​​imageomics i en præsentation den 20. februar på det årlige møde i American Association for the Advancement of Science. Hun talte ved den videnskabelige session "Crowdsourced Science:Volunteers and Machine Learning Protect the Wild for All."

En af de største udfordringer, som miljøforkæmpere står over for, er manglen på tilgængelige data om mange truede og truede arter.

"Vi mister biodiversitet i et hidtil uset tempo, og vi ved ikke engang, hvor meget og hvad vi mister," sagde Berger-Wolf.

Af de mere end 142.000 arter på IUCN's rødliste over truede arter er status for mere end halvdelen ikke kendt, fordi der ikke er nok data, eller deres populationstendens er usikker.

"Hvis vi vil redde afrikanske elefanter fra udryddelse, er vi nødt til at vide, hvor mange der er i verden, og hvor de er, og hvor hurtigt de er ved at falde," sagde Berger-Wolf.

"Vi har ikke nok GPS-halsbånd og satellitmærker til at overvåge alle elefanterne og besvare disse spørgsmål. Men vi kan bruge AI-teknikker såsom maskinlæring til at analysere billeder af elefanter for at give meget af den information, vi har brug for."

Berger-Wolf og hendes kolleger skabte et system kaldet Wildbook, der bruger computervisionsalgoritmer til at analysere billeder taget af turister på ferie og forskere i området for at identificere ikke kun dyrearter, men individer.

"Vores AI-algoritmer kan identificere individer ved hjælp af alt, hvad der er stribet, plettet, rynket eller indhakket - selv formen af ​​en hvalslyng eller en delfins rygfinne," sagde hun.

For eksempel indeholder Wildbook mere end 2 millioner billeder af omkring 60.000 unikt identificerede hvaler og delfiner fra hele verden.

"Dette er nu en af ​​de primære kilder til information, som forskerne har om spækhuggere - de mangler ikke længere data," sagde hun.

Ud over hajer og hvaler findes der wildbooks for zebraer, skildpadder, giraffer, afrikanske kødædere og andre arter.

Berger-Wolf og hendes kolleger har udviklet en AI-agent, der søger i offentligt delte opslag på sociale medier efter relevante arter. Det betyder, at mange menneskers feriebilleder af for eksempel hajer, de så i Caribien, ender med at blive brugt i Wildbook til videnskab og bevaring, sagde hun.

Sammen med information om, hvornår og hvor billeder blev taget, kan disse billeder hjælpe med bevarelse ved at give befolkningstal, fødsels- og dødsdynamik, arternes rækkevidde, sociale interaktioner og interaktioner med andre arter, herunder mennesker, sagde hun.

Dette har været meget nyttigt, men Berger-Wolf sagde, at forskere søger at flytte feltet fremad med imageomics.

"Evnen til at udtrække biologisk information fra billeder er grundlaget for imageomics," forklarede hun. "Vi lærer maskiner at se ting i billeder, som mennesker måske er gået glip af eller ikke kan se."

For eksempel, ligner mønsteret af striber på en zebra på en meningsfuld måde sin mors mønster, og hvis ja, kan det give information om deres genetiske ligheder? Hvordan varierer flagermusarternes kranier med miljøforhold, og hvilken evolutionær tilpasning driver denne forandring? Disse og mange andre spørgsmål kan besvares ved maskinlæringsanalyse af fotos.

National Science Foundation tildelte Ohio State 15 millioner dollars i september for at lede oprettelsen af ​​Imageomics Institute, som vil hjælpe med at vejlede videnskabsmænd fra hele verden inden for dette nye felt. Berger-Wolf er hovedefterforsker af instituttet.

Efterhånden som brugen af ​​AI til at analysere dyrelivsbilleder fortsætter med at vokse, sagde Berger-Wolf, vil en nøgle være at sikre, at AI'en bliver brugt retfærdigt og etisk.

For det første skal forskere sikre sig, at det ikke gør skade. For eksempel skal data beskyttes, så de ikke kan bruges af krybskytter til at målrette mod truede arter.

Men det skal være mere end bare det.

"Vi er nødt til at sikre, at det er et menneske-maskine-partnerskab, hvor mennesker har tillid til AI'en. AI'en skal, ved design, være deltagende, forbinder blandt mennesker, blandt data og blandt de geografiske placeringer," sagde hun.