هوش مصنوعی به مطالعه حیوانات در آفریقا کمک می کند

از هر کتری برقی متصل به اینترنت، می‌توانید در مورد اینکه چگونه هوش مصنوعی ورزشکاران سایبری را شکست می‌دهد، فرصت‌های جدیدی را به فناوری‌های قدیمی می‌دهد و گربه‌ها را بر اساس طرح خود ترسیم می‌کند، بشنوید. اما آنها کمتر در مورد این واقعیت صحبت می کنند که هوش ماشینی می تواند از محیط زیست نیز مراقبت کند. Cloud4Y تصمیم گرفت این حذف را اصلاح کند.

بیایید در مورد جالب ترین پروژه هایی که در آفریقا در حال اجرا هستند صحبت کنیم.

دیپ مایند گله های سرنگتی را ردیابی می کند

در 10 سال گذشته، زیست شناسان، بوم شناسان و داوطلبان حفاظت از محیط زیست در برنامه تحقیقات شیر ​​سرنگتی، داده های صدها دوربین میدانی واقع در پارک ملی سرنگتی (تانزانیا) را جمع آوری و تجزیه و تحلیل کرده اند. این برای مطالعه رفتار گونه های خاصی از حیوانات که وجود آنها در خطر است ضروری است. داوطلبان یک سال تمام را صرف پردازش اطلاعات، مطالعه جمعیت شناسی، حرکات و سایر نشانگرهای فعالیت حیوانات کردند. هوش مصنوعی DeepMind در حال حاضر این کار را در 9 ماه انجام می دهد.

DeepMind یک شرکت بریتانیایی است که در حال توسعه فناوری‌های هوش مصنوعی است. در سال 2014 توسط آلفابت خریداری شد. با استفاده از مجموعه داده عکس سورتمهتی برای آموزش یک مدل هوش مصنوعی، تیم تحقیقاتی به نتایج عالی دست یافت: هوش مصنوعی DeepMind می تواند به طور خودکار حیوانات آفریقایی را در تصاویر شناسایی، شناسایی و شمارش کند و کار خود را 3 ماه سریعتر کند. کارمندان DeepMind توضیح می دهند که چرا این مهم است:

«سرنگتی یکی از آخرین مکان‌های باقی‌مانده در جهان است که جامعه‌ای دست نخورده از پستانداران بزرگ دارد... با تشدید تجاوز انسان به اطراف پارک، این گونه‌ها مجبور می‌شوند رفتار خود را تغییر دهند تا زنده بمانند. افزایش کشاورزی، شکار غیرقانونی و ناهنجاری‌های اقلیمی باعث تغییرات در رفتار حیوانات و پویایی جمعیت می‌شوند، اما این تغییرات در مقیاس‌های مکانی و زمانی رخ داده‌اند که نظارت بر آن با استفاده از روش‌های تحقیقاتی سنتی دشوار است.

چرا هوش مصنوعی کارآمدتر از هوش بیولوژیکی عمل می کند؟ دلایل متعددی برای این امر وجود دارد.

• عکس های بیشتر گنجانده شده است. از زمان نصب، دوربین‌های صحرایی چندین صد میلیون عکس گرفته‌اند. تشخیص همه آنها آسان نیست، بنابراین داوطلبان باید با استفاده از یک ابزار وب به نام Zooniverse، گونه را به صورت دستی شناسایی کنند. در حال حاضر 50 گونه مختلف در پایگاه داده وجود دارد، اما زمان زیادی برای پردازش داده ها صرف می شود. در نتیجه از همه عکس ها در کار استفاده نمی شود.
• شناسایی سریع گونه ها. این شرکت ادعا می کند که سیستم از پیش آموزش دیده اش که به زودی در این زمینه مستقر خواهد شد، می تواند در به خاطر سپردن و شناسایی بیش از صد گونه جانوری که در یک منطقه یافت می شوند، برابر با (یا حتی بهتر از) حاشیه نویسان انسانی عمل کند.
• تجهیزات ارزان قیمت. هوش مصنوعی DeepMind می‌تواند روی سخت‌افزارهای متوسط ​​با دسترسی غیرقابل اعتماد به اینترنت به‌طور مؤثر اجرا شود، که به‌ویژه در قاره آفریقا صادق است، جایی که رایانه‌های قدرتمند و دسترسی سریع به اینترنت می‌توانند برای حیات وحش مخرب باشند و استقرار آن بسیار پرهزینه باشد. امنیت زیستی و صرفه جویی در هزینه ها از مزایای مهم هوش مصنوعی برای فعالان محیط زیست است.

انتظار می‌رود سیستم یادگیری ماشینی DeepMind نه تنها بتواند رفتار و توزیع جمعیت را با جزئیات ردیابی کند، بلکه داده‌هایی را به‌اندازه کافی سریع ارائه می‌کند تا به حافظان محیط زیست اجازه دهد تا به تغییرات کوتاه‌مدت در رفتار حیوانات سرنگتی واکنش سریع نشان دهند.

مایکروسافت در حال ردیابی فیل ها است

اگر منصف باشیم، باید توجه داشته باشیم که DeepMind تنها شرکتی نیست که به فکر نجات جمعیت‌های شکننده حیوانات وحشی است. بنابراین، مایکروسافت با استارتاپ خود در سانتا کروز ظاهر شد معیارهای حفاظت، که از هوش مصنوعی برای ردیابی فیل های ساوانای آفریقایی استفاده می کند.

این استارت آپ، بخشی از پروژه گوش دادن به فیل ها، با کمک آزمایشگاهی در دانشگاه کرنل، سیستمی ایجاد کرده است که قادر به جمع آوری و تجزیه و تحلیل داده ها از حسگرهای صوتی پراکنده در سراسر پارک ملی Nouabale-Ndoki و مناطق جنگلی اطراف آن در جمهوری کنگو است. هوش مصنوعی صدای فیل‌ها را در ضبط‌شده تشخیص می‌دهد - صداهای غوغایی با فرکانس پایین که آنها برای برقراری ارتباط با یکدیگر استفاده می‌کنند و اطلاعاتی در مورد اندازه گله و جهت حرکت آن دریافت می‌کند. به گفته متیو مک‌کون، مدیر عامل Conservation Metrics، هوش مصنوعی می‌تواند حیواناتی را که از هوا قابل مشاهده نیستند، به‌دقت شناسایی کند.

جالب اینجاست که این پروژه منجر به توسعه یک الگوریتم یادگیری ماشینی آموزش دیده بر روی Snapshot Serengeti شد که می تواند شناسایی، توصیف و شمارش کند. حیات وحش با دقت 96,6 درصد.

TrailGuard Resolve در مورد شکارچیان غیرقانونی هشدار می دهد

دوربین هوشمند مجهز به اینتل از هوش مصنوعی برای محافظت از حیات وحش آفریقایی در خطر انقراض در برابر شکارچیان استفاده می کند. ویژگی این سیستم این است که از قبل در مورد تلاش برای کشتن غیرقانونی حیوانات هشدار می دهد.

دوربین‌هایی که در سراسر پارک قرار دارند از یک پردازنده بینایی کامپیوتری اینتل (Movidius Myriad 2) استفاده می‌کنند که می‌تواند حیوانات، افراد و وسایل نقلیه را در زمان واقعی شناسایی کند و به پارکبان‌ها اجازه می‌دهد تا شکارچیان غیرقانونی را قبل از انجام هر کار اشتباهی دستگیر کنند.

فناوری جدیدی که Resolve ارائه کرده است، نوید می دهد که از حسگرهای تشخیص معمولی موثرتر باشد. دوربین‌های ضد شکار غیرقانونی هر زمان که حرکتی را تشخیص دهند هشدار ارسال می‌کنند که منجر به هشدارهای اشتباه بسیاری می‌شود و عمر باتری را به چهار هفته محدود می‌کند. دوربین TrailGuard فقط از حرکت برای بیدار کردن دوربین استفاده می کند و فقط زمانی که افراد را در کادر ببیند هشدار ارسال می کند. این بدان معناست که موارد مثبت کاذب به میزان قابل توجهی کمتر خواهد بود.

علاوه بر این، دوربین Resolve در حالت استندبای عملاً هیچ برقی مصرف نمی کند و می تواند تا یک سال و نیم بدون شارژ مجدد دوام بیاورد. به عبارت دیگر، کارکنان پارک مجبور نیستند مثل قبل امنیت خود را به خطر بیندازند. اندازه خود دوربین تقریباً به اندازه یک مداد است که باعث می شود شکارچیان آن را کمتر کشف کنند.

چه چیز دیگری می توانید در وبلاگ بخوانید؟ Cloud4Y

→ vGPU - نمی توان نادیده گرفت
→ هوش آبجو - هوش مصنوعی با آبجو می آید
→ 4 روش برای صرفه جویی در پشتیبان گیری ابری
→ 5 بهترین توزیع Kubernetes
→ ربات ها و توت فرنگی ها: چگونه هوش مصنوعی بهره وری میدان را افزایش می دهد

مشترک ما شوید تلگرام-کانال، تا مقاله بعدی را از دست ندهید! ما بیش از دو بار در هفته نمی نویسیم و فقط به صورت تجاری.

منبع: www.habr.com