Mistä tahansa Internetiin yhdistetystä vedenkeittimestä voit kuulla kuinka tekoäly voittaa kyberurheilijat, antaa uusia mahdollisuuksia vanhoille tekniikoille ja piirtää kissoja luonnoksesi perusteella. Mutta harvemmin puhutaan siitä, että koneäly osaa pitää huolta myös ympäristöstä. Cloud4Y päätti korjata tämän puutteen.
Puhutaanpa mielenkiintoisimmista Afrikassa toteutettavista hankkeista.
DeepMind seuraa Serengetin karjaa
Viimeisten 10 vuoden ajan Serengetin leijonatutkimusohjelman biologit, ekologit ja vapaaehtoiset luonnonsuojelijat ovat keränneet ja analysoineet tietoja sadoista kenttäkameroista, jotka sijaitsevat Serengetin kansallispuistossa (Tansania). Tämä on tarpeen tiettyjen eläinlajien käyttäytymisen tutkimiseksi, joiden olemassaolo on uhattuna. Vapaaehtoiset käyttivät koko vuoden tietojen käsittelyyn, väestörakenteen, liikkeiden ja muiden eläinten toiminnan merkkien tutkimiseen. AI DeepMind tekee tätä työtä jo 9 kuukauden kuluttua.
DeepMind on brittiläinen yritys, joka kehittää tekoälyteknologiaa. Vuonna 2014 sen osti Alphabet. Tietojoukon käyttäminen Tekoälymallin kouluttamisessa tutkimusryhmä saavutti erinomaisia tuloksia: voi automaattisesti havaita, tunnistaa ja laskea afrikkalaisia eläimiä kuvista, mikä nopeuttaa työskentelyä 3 kuukautta. DeepMindin työntekijät kertovat, miksi tämä on tärkeää:
"Serengeti on yksi viimeisistä jäljellä olevista paikoista maailmassa, jossa on ehjä suurien nisäkkäiden yhteisö... Kun ihmisten tunkeutuminen puistoon lisääntyy, nämä lajit joutuvat muuttamaan käyttäytymistään selviytyäkseen. Lisääntyvä maatalous, salametsästys ja ilmaston poikkeavuudet aiheuttavat muutoksia eläinten käyttäytymiseen ja populaatiodynamiikkaan, mutta nämä muutokset ovat tapahtuneet alueellisessa ja ajallisessa mittakaavassa, jota on vaikea seurata perinteisillä tutkimusmenetelmillä.
Miksi tekoäly toimii tehokkaammin kuin biologinen äly? Tähän on useita syitä.
- Lisää kuvia mukana. Asennuksen jälkeen kenttäkamerat ovat kuvanneet useita satoja miljoonia kuvia. Kaikkia niistä ei ole helppo tunnistaa, joten vapaaehtoisten on tunnistettava lajit manuaalisesti Zooniverse-nimisen verkkotyökalun avulla. Tietokannassa on tällä hetkellä 50 eri lajia, mutta tietojen käsittelyyn kuluu liikaa aikaa. Tästä johtuen kaikkia valokuvia ei käytetä teoksessa.
- Nopea lajintunnistus. Yhtiö väittää, että sen valmiiksi koulutettu järjestelmä, joka otetaan pian käyttöön kentällä, pystyy suoriutumaan ihmisen annotaattorien tasolla (tai jopa paremmin kuin) muistamaan ja tunnistamaan yli sata alueelta löydettyä eläinlajia.
- Halvat varusteet. AI DeepMind pystyy toimimaan tehokkaasti vaatimattomalla laitteistolla ja epäluotettavalla Internet-yhteydellä, mikä pätee erityisesti Afrikan mantereelle, jossa tehokkaat tietokoneet ja nopea Internet-yhteys voivat olla tuhoisaa villieläimille ja kohtuuttoman kallista ottaa käyttöön. Bioturvallisuus ja kustannussäästöt ovat tekoälyn tärkeitä etuja ympäristöaktivisteille.
DeepMindin koneoppimisjärjestelmän ei odoteta vain pystyvän seuraamaan populaation käyttäytymistä ja jakautumista yksityiskohtaisesti, vaan myös tarjoamaan tietoja riittävän nopeasti, jotta luonnonsuojelijat voivat reagoida nopeasti lyhytaikaisiin muutoksiin Serengetin eläinten käyttäytymisessä.
Microsoft seuraa norsuja
Ollakseni oikeudenmukainen, huomaamme, että DeepMind ei ole ainoa yritys, joka on huolissaan hauraiden villieläinpopulaatioiden pelastamisesta. Joten Microsoft ilmestyi Santa Cruzissa käynnistymisensä kanssa , joka käyttää tekoälyä afrikkalaisten savanninorsujen jäljittämiseen.
Elephant Listening Projectiin kuuluva startup on kehittänyt Cornellin yliopiston laboratorion avustuksella järjestelmän, joka pystyy keräämään ja analysoimaan tietoja akustisista antureista, jotka ovat hajallaan Nouabale-Ndokin kansallispuistossa ja ympäröivillä metsäalueilla Kongon tasavallassa. Tekoäly tunnistaa nauhoitteissa elefanttien äänen – matalataajuiset jyrinääänet, joilla ne kommunikoivat keskenään, ja vastaanottaa tietoa lauman koosta ja sen liikesuunnasta. Conservation Metricsin toimitusjohtajan Matthew McKonen mukaan tekoäly voi tunnistaa tarkasti yksittäiset eläimet, joita ei voida nähdä ilmasta.
Mielenkiintoista on, että tämä projekti johti Snapshot Serengetissä koulutetun koneoppimisalgoritmin kehittämiseen, joka pystyy tunnistamaan, kuvaamaan ja laskemaan tarkkuudella 96,6 %.
TrailGuard Resolve varoittaa salametsästäjistä
Intel-käyttöinen älykamera käyttää tekoälyä suojellakseen uhanalaisia Afrikan villieläimiä salametsästäjiltä. Tämän järjestelmän erikoisuus on, että se varoittaa etukäteen yrityksistä tappaa eläimiä laittomasti.
Puistossa sijaitsevat kamerat käyttävät Intelin tietokonenäköprosessoria (Movidius Myriad 2), joka havaitsee eläimet, ihmiset ja ajoneuvot reaaliajassa, jolloin puistonvartijat voivat saada salametsästäjät kiinni ennen kuin he tekevät mitään väärin.
Resolven kehittämä uusi tekniikka lupaa olla tehokkaampi kuin perinteiset tunnistusanturit. Salametsästyksen estokamerat lähettävät hälytyksiä aina havaitessaan liikettä, mikä johtaa moniin vääriin hälytyksiin ja rajoittaa akun käyttöiän neljään viikkoon. TrailGuard-kamera käyttää vain liikettä kameran herättämiseen ja lähettää vain hälytyksiä, kun se näkee ihmisiä kuvassa. Tämä tarkoittaa, että vääriä positiivisia tuloksia on huomattavasti vähemmän.
Lisäksi Resolve-kamera ei kuluta käytännössä lainkaan virtaa valmiustilassa ja voi kestää jopa puolitoista vuotta ilman latausta. Toisin sanoen puiston henkilökunnan ei tarvitse vaarantaa turvallisuuttaan niin usein kuin ennen. Kamera itsessään on noin kynän kokoinen, joten salametsästäjät eivät todennäköisesti löydä sitä.
Mitä muuta voit lukea blogista?
→
→
→
→
→
Tilaa meidän -kanava, jotta et missaa seuraavaa artikkelia! Kirjoitamme korkeintaan kaksi kertaa viikossa ja vain työasioissa.
Lähde: will.com