Umělá inteligence odstraňuje největší překážku ve výzkumu divoké přírody: Zpracuje miliony snímků z fotopastí

Ekologové a vědci zabývající se divokou přírodou se často potýkají s obrovským množstvím dat, které je potřeba zpracovat. S rozšířením levných fotopastí se hromadí desítky tisíc snímků, jejichž katalogizace a analýza může trvat měsíce úmorné práce.

Ekologové a vědci zabývající se divokou přírodou se často potýkají s obrovským množstvím dat, které je potřeba zpracovat. S rozšířením levných fotopastí se hromadí desítky tisíc snímků, jejichž katalogizace a analýza může trvat měsíce úmorné práce. I když nástroje umělé inteligence již pomáhají s prvotním tříděním, například k odstranění snímků bez zvířat, stále je často nutný lidský dohled.

Nový výzkum publikovaný v časopise Journal of Applied Technology však ukazuje, že se to brzy může změnit. Programy poháněné umělou inteligencí dosáhly takové sofistikovanosti, že v některých případech dokážou analyzovat data z fotopastí s dostatečnou přesností, aby se výsledky nelišily od těch získaných časově náročnějšími lidskými metodami. Cílem není nahradit lidi, ale pomoci výzkumníkům rychleji získávat odpovědi a činit lepší rozhodnutí v oblasti správy a ochrany divoké přírody, uvedl Daniel Thornton, ekolog z Washington State University a hlavní autor studie.

Výzkum nevyžadoval žádný převratný technický průlom v programování AI. Ekologové, jako je Thornton, spolupracovali s odborníky z Google, aby zjistili, jak využít stávající nástroje AI. Vytvořili soutěž mezi počítači a lidmi, kde analyzovali téměř 3,8 milionu digitálních fotografií pořízených 1 200 fotopastmi ze tří různých lokalit: východní a centrální Washington, národní park Glacier v Montaně a džungle v Guatemale. Tyto fotografie již byly ručně prozkoumány odborníky, kteří identifikovali druhy savců.

Nejprve byl použit program MegaDetector k detekci přítomnosti zvířat, lidí nebo vozidel na snímcích. Poté byly snímky se zvířaty předány programu SpeciesNet, vyvinutému společností Google, který dokáže identifikovat přibližně 2 500 různých skupin druhů z celého světa. Výsledky byly následně vloženy do počítačového modelu, který převádí pozorování zvířat na odhad výskytu jednotlivých druhů v krajině, známý jako „obsazenost“.

S výjimkou několika odchylek se výsledky automatizovaného přístupu AI příliš nelišily od analýzy s lidským zásahem. Výsledky se shodovaly v 85 % až 90 % případů. I když počítače nebyly dokonalé – vzácné nebo těžko identifikovatelné druhy je občas zmátly (například horské kozy byly chybně klasifikovány jako domácí kozy, nebo byly hlášeny grizzlyové v oblastech, kde se desítky let nevyskytují) – pro mnoho druhů ve všech třech regionech byly bleskově rychlé počítače stejně přesné jako lidští odborníci.

Klíčovou otázkou nebylo, zda AI správně identifikovala každý snímek, ale zda ekologické závěry, na kterých záleží, budou v podstatě stejné, dodal Dan Morris, vědec z Google a spoluautor studie. Pokud se tento přístup rozšíří mimo akademickou sféru, mohl by umožnit správcům divoké přírody získávat aktuální informace o populacích mnohem rychleji. To by mohlo znamenat rychlejší upozornění na výskyt ohrožených druhů nebo na jejich úbytek. Zpracování dat rychleji umožňuje rychlejší reakci, což je pro ochranu přírody zásadní.