Záchrana divoké zvěře v reálném čase: AI analyzuje data z fotopastí za pouhé dny

Umělá inteligence (AI) může zásadně urychlit náročnou práci sledování divoké zvěře pomocí vzdálených kamer. Doba analýzy dat se díky ní zkracuje z měsíců, nebo dokonce roku, na pouhé dny, přičemž vědecké závěry jsou téměř totožné s těmi, které by získali lidé.

Umělá inteligence (AI) může zásadně urychlit náročnou práci sledování divoké zvěře pomocí vzdálených kamer. Doba analýzy dat se díky ní zkracuje z měsíců, nebo dokonce roku, na pouhé dny, přičemž vědecké závěry jsou téměř totožné s těmi, které by získali lidé. Vyplývá to z nové studie vedené výzkumníky z Washington State University a společnosti Google, publikované v časopise Journal of Applied Ecology.

Tým testoval, zda plně automatizovaný systém umělé inteligence dokáže nahradit lidskou práci při zpracování stovek tisíc až milionů snímků z fotopastí shromážděných ve Washingtonu, v národním parku Glacier v Montaně a v biosférické rezervaci Maya v Guatemale. Zjistili, že u většiny druhů se modely vytvořené z AI-identifikovaných snímků velmi shodovaly s těmi, které vytvořili lidští experti. V klíčových měřítkách, jako je výskyt zvířat a environmentální faktory, které je ovlivňují, se výsledky shodovaly přibližně v 85–90 % případů, s omezenými rozdíly u vzácných nebo obtížně identifikovatelných druhů.

Dopady na ochranu přírody by mohly být značné. Rychlejší zpracování znamená, že výzkumníci a správci divoké zvěře mohou rychleji přejít od sběru dat k rozhodování, což potenciálně umožňuje téměř v reálném čase monitorovat druhy, jako jsou jaguáři, vlci a medvědi grizzly. „Nesnažíme se nahradit lidi,“ uvedl Daniel Thornton, ekolog divoké zvěře z WSU a hlavní autor studie. „Cílem je pomoci výzkumníkům rychleji získat odpovědi, aby mohli lépe rozhodovat o správě a ochraně divoké zvěře.“

Tradičně byl tento proces pomalý a náročný na práci. Fotopasti, což jsou kamery aktivované pohybem umístěné v lesích a jiných biotopech, mohou generovat obrovské soubory dat. Jediný projekt může vyprodukovat stovky tisíc nebo dokonce miliony snímků, které je třeba zkontrolovat, aby se určilo, jaké druhy se na každém záběru objevují. I s týmem asistentů a postgraduálním studentem ověřujícím identifikace trvá tento proces obvykle šest až sedm měsíců, někdy až rok, než může začít samotná analýza.

Dřívější nástroje umělé inteligence přinesly úlevu tím, že filtrovaly prázdné snímky, často 60–70 % z celkového počtu, ale stále vyžadovaly, aby lidé prohlíželi desítky tisíc fotografií obsahujících zvířata. Nová studie testovala, zda lze tento závěrečný lidský krok zcela eliminovat. Vědci použili obecný model umělé inteligence nazvaný SpeciesNet, vyvinutý společností Google, a snímky prošli plně automatizovaným procesem bez lidské kontroly. Výsledky pak porovnali s tradičními, expertně označenými datovými sadami.

„Klíčovou otázkou nebylo, zda umělá inteligence správně identifikovala každý snímek,“ řekl Dan Morris, vedoucí výzkumný pracovník společnosti Google, který pomáhal vytvářet SpeciesNet a je spoluautorem studie. „Šlo o to, zda ekologické závěry, na kterých vám záleží, budou v podstatě stejné.“ U většiny druhů tomu tak bylo. I když umělá inteligence dělala chyby, například špatně identifikovala zvířata nebo přehlédla detekce, celkové modely zůstaly robustní, protože modely výskytu se opírají o opakovaná pozorování v průběhu času.