Каждый год камеры с датчиками движения фиксируют миллионы фотографий диких животных по всему миру. Эти снимки помогают ученым отслеживать популяции и миграции редких видов, но анализ огромного массива данных — задача непростая. Чтобы просмотреть тысячи фотографий, ученым требуются недели работы. Поэтому специалисты активно применяют искусственный интеллект для ускорения процесса. Однако стандартные модели ИИ часто дают сбои, особенно если их применяют в новых местах, которые ранее не входили в обучающие выборки.
Группа ученых из университета штата Орегон (США) предложила обучать ИИ на меньшем, но более разнообразном и тщательно отобранном наборе данных. Исследование было опубликовано в журнале Ecological Informatics.
В центре их работы — толсторогие бараны. Вместо того, чтобы загружать в ИИ все доступные изображения, команда выбрала меньше снимков, но с разными фонами и условиями съемки. В результате точность идентификации толсторогих баранов достигла почти 90% даже при анализе фотографий из новых мест. Для сравнения, обычно для обучения таких моделей требуются сотни тысяч изображений, а здесь хватило всего 10 тыс. Это значит, что ИИ стал «умнее», а процесс анализа — менее затратным по времени, энергии и вычислительным ресурсам.
Метод применим и к другим видам животных. Такой подход может изменить методы мониторинга дикой природы, сделав их быстрее и эффективнее. Например, с его помощью в будущем можно будет не только определять видовую принадлежность, но и отличать гибридов у водоплавающих птиц, что особенно важно для биологов и экологов.
Ранее Наука Mail рассказывала о том, что ИИ-сервис от российских ученых спрогнозирует развитие городов.