Искусственный интеллект, усиливающий способности грифов, может перевернуть охрану дикой природы и выявление болезней
Ученые используют грифов и ИИ для отслеживания трупов животных, мониторинга смертности диких животных, обнаружения болезней и раскрытия незаконной деятельности на огромных территориях.
Спешите? Вот краткие факты!
- Поведение стервятников на пищевых местах сочетается с ИИ для определения местоположения трупов.
- Исследователи прикрепили биологгеры к 29 стервятникам для сбора данных.
- ИИ достиг 92% точности в определении местоположения трупов.
Ученые разработали метод отслеживания туш животных на огромных пространствах с помощью искусственного интеллекта и грифов в качестве натуральных детекторов. Исследование было опубликовано в Журнале прикладной экологии.
Сочетая передовую технологию био-логгирования с врожденным поведением грифов-падальщиков, команда создала систему, которая может помочь контролировать смертность диких животных, обнаруживать вспышки болезней и даже раскрывать незаконную добычу диких животных.
Исследователи разработали алгоритм ИИ, который автоматически и точно классифицирует поведение белоспинных грифов, используя данные из животных тегов.
В роли падальщиков, грифы постоянно ищут трупы, и благодаря добавлению второго алгоритма ИИ, исследователи теперь могут автоматически определять местонахождение трупов на больших территориях, используя данные от помеченных грифов.
Это исследование было сосредоточено на африканских белоспинных грифах, известных своей способностью обнаруживать трупы с большой высоты.
Исследовательская группа прикрепила биологгеры к 29 грифам, как диким, так и домашним, чтобы записать их движения и поведение. Затем данные, собранные с этих птиц, были проанализированы с использованием методов машинного обучения для выделения шести различных видов поведения, таких как кормление или полет.
Используя эти данные, исследователи применили процесс, называемый «кластеризацией», к GPS-данным, группируя места, где грифы проводили много времени.
Кластеры были проанализированы, чтобы определить, связаны ли они с тушами животных. Этот шаг был критически важен, поскольку грифы часто собираются группами вокруг трупов, что затрудняет точное определение местоположений без технологической помощи.
После того как кластеры были идентифицированы, исследователи обучили алгоритм ИИ различать районы с трупами и без них.
Результаты были впечатляющими: модель могла точно определить местоположение туш с высокой степенью точности, достигая 92% прецизионности и 89% полноты. На поле бригады использовали эти данные для исследования более чем 1 900 кластеров, подтвердив наличие туш в 580 из них.
Успех этого подхода демонстрирует потенциал сочетания естественного поведения животных с технологией ИИ для решения сложных экологических проблем.
Этот метод эффективен не только для грифов, но и может быть адаптирован для других видов, позволяя исследователям отслеживать различные экологические ресурсы, такие как источники воды или места ночевки.
Более того, у этой системы есть более широкое применение в охране дикой природы. Обнаруживая трупы животных в природе, исследователи могут отслеживать вспышки болезней у животных, или определять случаи экологического отравления, такие как токсины цианобактерий, которые убивают слонов в Ботсване.
Система также может быть использована для выявления незаконной деятельности, связанной с дикой природой, такой как браконьерство или незаконное утилизация животных.
Одним из ключевых преимуществ этого подхода является то, что он не зависит от большого количества помеченных грифов. Система работает даже если на месте туши присутствует только один гриф, что делает ее экономически эффективной и легкой для внедрения на огромных территориях.
Эта гибкость является значительным усовершенствованием по сравнению с предыдущими методами, которые требовали наличия нескольких помеченных грифов для подтверждения местонахождения трупов.
В дополнение к обнаружению трупов, метод может быть адаптирован для наблюдения за другим поведением диких животных, таким как определение гнезд во время сезона размножения.
Эта универсальность показывает, что комбинация грифов, технологии биологирования и машинного обучения может стать мощным инструментом для понимания поведения животных и улучшения усилий по сохранению природы.
В заключение, данное исследование не только демонстрирует, как технология может использовать естественные способности животного, чтобы помочь контролировать и защищать диких животных.
С возможными применениями для сохранения природы, отслеживания болезней и обнаружения незаконной деятельности, эти исследования открывают новый путь вперед для управления дикой природой и мониторинга окружающей среды.
Оставьте комментарий
Отменить