Студенты объединяются с исследователями для решения сложных задач по просмотру многочасовых видеозаписей, снятых в дикой природе.
Искусственный интеллект может упростить изучение птиц благодаря работе студента Университета Альберты.
Присцилла Адебанджи, студентка факультета компьютерных наук в кампусе Augustana, провела лето, экспериментируя с ИИ, чтобы улучшить анализ исследовательского видео, показывающего краснокрылых дроздов и их гнезда.
Эти настройки, будучи полностью разработанными, могут сэкономить часы времени, необходимые для ручного просмотра видео для идентификации конкретных птиц — задача, жизненно важная для ее работы, говорит профессор Augustana Ивана Шоупф, которая изучает влияние паразитизма на поведение птиц.
В настоящее время единственный способ определить личность и действия каждой птицы — это прослушивать их отдельные крики, что означает просмотр часов видео. Это также требует опыта, отмечает Шоупф.
«Должен быть определенный уровень знаний о биологии птиц, и также требуется время, чтобы изучить птиц и их крики», — говорит она.
Хотя существующее программное обеспечение может отслеживать перемещения животных, таких как мыши, в лаборатории, в полевых условиях это сложнее, говорит она.
«Здесь много фоновой растительности и шума, такого как ветер, поэтому условия записи не являются оптимальными для автоматического обнаружения», — указывает на нюансы профессор.
Качество видео также не высокое, поэтому отличить самца от самки птиц может быть невозможно, добавляет Шоупф. Гнезда также хорошо скрыты в зарослях болотного рогоза, что затрудняет наблюдение за тем, кормят ли птицы своих птенцов, убирают гнездо или покидают его, используя маршрут вне камеры, отмечает она.
Имея видео за два полевых сезона — в общей сложности около 30 часов видеосъемки 30 гнезд — Шоупф обратилась к профессору вычислительной техники Адебанджи Тибо Лютелье в поисках способа автоматического обнаружения птиц без необходимости просматривать запись.
«Мы чувствовали, что в ИИ есть много приложений, которые могли бы помочь, хотя мы понятия не имели, чего ожидать», — говорит Лютелье. «Нам нужно было выяснить, какой тип машинного обучения использовать. Для этого было задействовано много наработок и исследований».
Адебанджи работала над различными проблемами, включая ложные показания, генерируемые существующими моделями искусственного интеллекта.
«Иногда казалось, что они принимают птицу за самолет, а такие вещи, как тени, ошибочно принимались за медведей на заднем плане», — говорит она.
Используя инструменты компьютерного зрения и алгоритмы обнаружения движения для анализа видео, она снизила чувствительность отслеживания настолько, чтобы сосчитать птиц, выделить их среди других объектов и определить, была ли уже зафиксирована одна и та же птица.
К концу лета Адебанджи смогла разработать программное обеспечение, которое достаточно усовершенствовало необработанные кадры Schoepf, чтобы точно определить время, когда птицы посещают свои гнезда, чтобы покормить птенцов, а также залетают они в них или улетают.
«Это большой шаг вперед в плане экономии времени», — говорит Адебанджи. «Мы сократили время с восьми часов до пары минут, чтобы автоматически обнаруживать все».
Хотя программное обеспечение все еще нуждается в доработке, Шоупф надеется, что в конечном итоге она будет использовать его для сокращения трудоемкого процесса сбора данных для своего исследования.
«Это сэкономит время при просмотре видеороликов и усилия с точки зрения необходимости обучать людей их анализу — и вам нужно задействовать как минимум двух человек для сравнения результатов на предмет согласованности».
Она также в восторге от потенциала программного обеспечения для более широкой области биологии животных.
«Это могло бы обеспечить широкую применимость ко множеству видов и проектов в различных условиях, помимо птиц. Это могло бы улучшить и расширить экологические исследования», — отметила она.
Дальнейшая работа над программой будет включать изучение приложений искусственного интеллекта для определения того, как долго птицы посещают свои гнезда, и анализа их криков для определения пола. Будущим студентам также будет поручено лучше «очищать» видео от фоновых звуков, таких как ветер, и проверять, может ли программное обеспечение применяться к другим животным, таким как грызуны, говорит Лютелье.
Что касается области искусственного интеллекта, то небольшие инновационные проекты, подобные этому, «высвечивают некоторые из проблем, с которыми мы сталкиваемся при компьютерном зрении» в технологиях обнаружения движения, таких как самоуправляемые транспортные средства и дроны.
«Это полезно для разработки лучшего искусственного интеллекта, потому что в процессе разработки этого программного обеспечения было много проб и ошибок. Вместо того, чтобы проводить тестирование на очень точных, высококачественных тестах, мы работали со множеством неизвестных факторов — и такова реальная жизнь. Искусственный интеллект должен справляться с этим безопасно и успешно», — говорит Лютелье.
Сейчас, на четвертом курсе бакалавриата, Адебанджи говорит, что проект пробудил в ней интерес к изучению искусственного интеллекта как профессии и вывел ее за рамки классной комнаты.
«Приятно работать над реальным приложением, иметь возможность помогать людям с помощью полученных знаний», — заключила она.