Fra enhver elkedel, der er tilsluttet internettet, kan du høre om, hvordan AI slår cyberatleter, giver nye muligheder til gamle teknologier og tegner katte baseret på din skitse. Men de taler sjældnere om, at maskinintelligens også formår at passe på miljøet. Cloud4Y besluttede at rette denne udeladelse.
Lad os tale om de mest interessante projekter, der bliver implementeret i Afrika.
DeepMind sporer Serengeti-besætninger
I de sidste 10 år har biologer, økologer og frivillige naturbevarere i Serengeti Lion Research-programmet indsamlet og analyseret data fra hundredvis af feltkameraer placeret i Serengeti National Park (Tanzania). Dette er nødvendigt for at studere adfærden hos visse dyrearter, hvis eksistens er truet. Frivillige brugte et helt år på at behandle informationen, studere demografi, bevægelser og andre markører for dyrs aktivitet. AI DeepMind udfører allerede dette job om 9 måneder.
DeepMind er et britisk firma, der udvikler kunstig intelligens-teknologier. I 2014 blev den købt af Alphabet. Brug af datasættet for at træne en kunstig intelligensmodel opnåede forskerholdet fremragende resultater: kan automatisk opdage, identificere og tælle afrikanske dyr på billeder, hvilket gør dets arbejde 3 måneder hurtigere. DeepMind-medarbejdere forklarer, hvorfor dette er vigtigt:
“Serengeti er et af de sidste tilbageværende steder i verden med et intakt samfund af store pattedyr... Efterhånden som menneskers indgreb rundt i parken bliver mere intense, er disse arter tvunget til at ændre deres adfærd for at overleve. Stigende landbrug, krybskytteri og klimatiske anomalier driver ændringer i dyreadfærd og populationsdynamik, men disse ændringer er sket på rumlige og tidsmæssige skalaer, som er svære at overvåge ved hjælp af traditionelle forskningsmetoder."
Hvorfor fungerer kunstig intelligens mere effektivt end biologisk intelligens? Det er der flere grunde til.
- Flere billeder medfølger. Siden installationen har feltkameraerne optaget flere hundrede millioner billeder. Ikke alle af dem er nemme at genkende, så frivillige skal manuelt identificere arten ved hjælp af et webværktøj kaldet Zooniverse. Der er i øjeblikket 50 forskellige arter i databasen, men der bruges for meget tid på at behandle dataene. Det betyder, at ikke alle fotografier bliver brugt i arbejdet.
- Hurtig artsgenkendelse. Virksomheden hævder, at dets præ-trænede system, som snart vil blive implementeret i felten, er i stand til at yde på niveau med (eller endda bedre end) menneskelige annotatorer i at huske og genkende mere end hundrede dyrearter fundet i en region.
- Billig udstyr. AI DeepMind er i stand til at køre effektivt på beskeden hardware med upålidelig internetadgang, hvilket især gælder på det afrikanske kontinent, hvor kraftfulde computere og hurtig internetadgang kan være ødelæggende for dyrelivet og uoverkommeligt dyre at implementere. Biosikkerhed og omkostningsbesparelser er vigtige fordele ved kunstig intelligens for miljøaktivister.
DeepMinds maskinlæringssystem forventes ikke kun at være i stand til at spore populationsadfærd og fordeling i detaljer, men også levere data hurtigt nok til at tillade naturbeskyttelsesfolk at reagere hurtigt på kortsigtede ændringer i Serengeti-dyrs adfærd.
Microsoft sporer elefanterne
For at være retfærdig bemærker vi, at DeepMind ikke er den eneste virksomhed, der beskæftiger sig med at redde skrøbelige bestande af vilde dyr. Så Microsoft dukkede op i Santa Cruz med sin opstart , som bruger kunstig intelligens til at spore afrikanske savannelefanter.
Opstarten, som er en del af Elephant Listening Project, har med hjælp fra et laboratorium ved Cornell University udviklet et system, der er i stand til at indsamle og analysere data fra akustiske sensorer spredt ud over Nouabale-Ndoki National Park og omkringliggende skovområder i Republikken Congo. Kunstig intelligens genkender elefanternes stemme i optagelserne - de lavfrekvente rumlen, som de bruger til at kommunikere med hinanden, og modtager information om flokkens størrelse og bevægelsesretningen. Ifølge Conservation Metrics CEO Matthew McKone kan kunstig intelligens nøjagtigt identificere individuelle dyr, som ikke kan ses fra luften.
Interessant nok resulterede dette projekt i udviklingen af en maskinlæringsalgoritme trænet på Snapshot Serengeti, der kan identificere, beskrive og tælle med en nøjagtighed på 96,6 %.
TrailGuard Resolve advarer om krybskytter
Intel-drevet smart kamera bruger kunstig intelligens til at beskytte truede afrikanske dyreliv mod krybskytter. Det særlige ved dette system er, at det advarer om forsøg på ulovligt at dræbe dyr på forhånd.
Kameraer placeret i hele parken bruger en Intel computer vision-processor (Movidius Myriad 2), der kan registrere dyr, mennesker og køretøjer i realtid, hvilket gør det muligt for parkvagter at fange krybskytter, før de gør noget forkert.
Den nye teknologi, som Resolve er kommet med, lover at være mere effektiv end konventionelle detektionssensorer. Anti-poaching-kameraer sender advarsler, når de registrerer bevægelse, hvilket fører til mange falske alarmer og begrænser batterilevetiden til fire uger. TrailGuard-kameraet bruger kun bevægelse til at vække kameraet og sender kun advarsler, når det ser personer i billedet. Det betyder, at der vil være væsentligt færre falske positiver.
Derudover bruger Resolve-kameraet stort set ingen strøm i standbytilstand og kan holde op til halvandet år uden genopladning. Parkpersonalet skal med andre ord ikke risikere deres sikkerhed så ofte som før. Selve kameraet er omtrent på størrelse med en blyant, hvilket gør det mindre sandsynligt, at det bliver opdaget af krybskytter.
Hvad kan du ellers læse på bloggen?
→
→
→
→
→
Abonner på vores -kanal, for ikke at gå glip af næste artikel! Vi skriver ikke mere end to gange om ugen og kun på forretningsrejse.
Kilde: www.habr.com