Vanuit elke waterkoker die met internet is verbonden, kun je horen hoe AI cyberatleten verslaat, oude technologieën nieuwe kansen geeft en katten tekent op basis van jouw schets. Maar ze praten minder vaak over het feit dat machine-intelligentie ook voor het milieu weet te zorgen. Cloud4Y heeft besloten deze omissie te corrigeren.
Laten we het hebben over de meest interessante projecten die in Afrika worden geïmplementeerd.
DeepMind volgt Serengeti-kuddes
De afgelopen tien jaar hebben biologen, ecologen en vrijwillige natuurbeschermers in het Serengeti Lion Research-programma gegevens verzameld en geanalyseerd van honderden veldcamera's in het Serengeti National Park (Tanzania). Dit is nodig om het gedrag te bestuderen van bepaalde diersoorten waarvan het voortbestaan wordt bedreigd. Vrijwilligers waren een heel jaar bezig met het verwerken van de informatie, het bestuderen van demografische gegevens, bewegingen en andere kenmerken van dierlijke activiteit. AI DeepMind doet dit werk al in 10 maanden.
DeepMind is een Brits bedrijf dat technologieën voor kunstmatige intelligentie ontwikkelt. In 2014 werd het gekocht door Alphabet. De dataset gebruiken Om een model voor kunstmatige intelligentie te trainen, behaalde het onderzoeksteam uitstekende resultaten: kan automatisch Afrikaanse dieren in afbeeldingen detecteren, identificeren en tellen, waardoor zijn werk 3 maanden sneller gaat. Medewerkers van DeepMind leggen uit waarom dit belangrijk is:
“De Serengeti is een van de laatst overgebleven plekken ter wereld met een intacte gemeenschap van grote zoogdieren... Naarmate de menselijke inmenging in het park intenser wordt, worden deze soorten gedwongen hun gedrag te veranderen om te kunnen overleven. Toenemende landbouw, stroperij en klimaatafwijkingen zorgen voor veranderingen in het gedrag van dieren en de populatiedynamiek, maar deze veranderingen hebben plaatsgevonden op ruimtelijke en temporele schaal die moeilijk te monitoren zijn met behulp van traditionele onderzoeksmethoden.”
Waarom werkt kunstmatige intelligentie efficiënter dan biologische intelligentie? Hiervoor zijn verschillende redenen.
- Meer foto's inbegrepen. Sinds de installatie hebben de veldcamera’s honderden miljoenen beelden vastgelegd. Ze zijn niet allemaal gemakkelijk te herkennen, dus vrijwilligers moeten de soort handmatig identificeren met behulp van een webtool genaamd Zooniverse. Er zijn momenteel 50 verschillende soorten in de database, maar er wordt te veel tijd besteed aan het verwerken van de gegevens. Hierdoor worden niet alle foto’s in het werk gebruikt.
- Snelle soortherkenning. Het bedrijf beweert dat zijn vooraf getrainde systeem, dat binnenkort in het veld zal worden ingezet, in staat is om vergelijkbaar te zijn met (of zelfs beter dan) menselijke annotators bij het onthouden en herkennen van meer dan honderd diersoorten die in een regio voorkomen.
- Goedkope apparatuur. AI DeepMind kan efficiënt draaien op bescheiden hardware met onbetrouwbare internettoegang, wat vooral het geval is op het Afrikaanse continent, waar krachtige computers en snelle internettoegang destructief kunnen zijn voor wilde dieren en onbetaalbaar om in te zetten. Bioveiligheid en kostenbesparingen zijn belangrijke voordelen van AI voor milieuactivisten.
Verwacht wordt dat het machine learning-systeem van DeepMind niet alleen het gedrag en de verspreiding van populaties in detail kan volgen, maar ook snel genoeg gegevens kan leveren zodat natuurbeschermers snel kunnen reageren op kortetermijnveranderingen in het gedrag van Serengeti-dieren.
Microsoft volgt de olifanten
Om eerlijk te zijn merken we op dat DeepMind niet het enige bedrijf is dat zich bezighoudt met het redden van kwetsbare populaties wilde dieren. Dus Microsoft verscheen in Santa Cruz met zijn startup , dat AI gebruikt om Afrikaanse savanneolifanten te volgen.
De startup, onderdeel van het Elephant Listening Project, heeft met hulp van een laboratorium aan de Cornell University een systeem ontwikkeld dat gegevens kan verzamelen en analyseren van akoestische sensoren verspreid over het Nouabale-Ndoki National Park en de omliggende bosgebieden in de Republiek Congo. Kunstmatige intelligentie herkent de stem van olifanten in de opnames – de laagfrequente rommelende geluiden die ze gebruiken om met elkaar te communiceren, en ontvangt informatie over de grootte van de kudde en de richting van haar beweging. Volgens Matthew McKone, CEO van Conservation Metrics, kan kunstmatige intelligentie individuele dieren nauwkeurig identificeren die niet vanuit de lucht kunnen worden gezien.
Interessant is dat dit project resulteerde in de ontwikkeling van een machine learning-algoritme, getraind op Snapshot Serengeti, dat met een nauwkeurigheid van 96,6%.
TrailGuard Resolve waarschuwt voor stropers
Door Intel aangedreven slimme camera gebruikt AI om bedreigde Afrikaanse dieren in het wild te beschermen tegen stropers. Het bijzondere van dit systeem is dat het vooraf waarschuwt voor pogingen om dieren illegaal te doden.
Camera's verspreid over het park maken gebruik van een Intel computer vision-processor (Movidius Myriad 2) die dieren, mensen en voertuigen in realtime kan detecteren, waardoor parkwachters stropers kunnen vangen voordat ze iets verkeerds doen.
De nieuwe technologie waar Resolve mee komt belooft effectiever te zijn dan conventionele detectiesensoren. Anti-stroperijcamera's sturen waarschuwingen wanneer ze beweging detecteren, wat leidt tot veel valse alarmen en de levensduur van de batterij beperkt tot vier weken. De TrailGuard-camera maakt alleen gebruik van beweging om de camera te wekken en stuurt alleen waarschuwingen als hij mensen in beeld ziet. Dit betekent dat er aanzienlijk minder valse positieven zullen zijn.
Bovendien verbruikt de Resolve-camera in de standby-modus vrijwel geen stroom en gaat hij tot anderhalf jaar mee zonder op te laden. Met andere woorden: het parkpersoneel hoeft zijn veiligheid niet meer zo vaak in gevaar te brengen als voorheen. De camera zelf is ongeveer zo groot als een potlood, waardoor de kans kleiner is dat hij door stropers wordt ontdekt.
Wat lees je nog meer op de blog?
→
→
→
→
→
Abonneer u op onze -channel zodat je het volgende artikel niet mist! We schrijven niet vaker dan twee keer per week en alleen voor zaken.
Bron: www.habr.com