В эпоху бурного развития искусственного интеллекта наука получила инструмент, который меняет сами принципы изучения дикой природы. Теперь, чтобы узнать конкретного медведя, больше не нужно ловить его, усыплять и вживлять чипы. Достаточно фотографии. Учёные создали нейросеть, способную распознавать бурых медведей Аляски по внешности, и это открывает новую эру в наблюдении за животными, передает inbusiness.kz со ссылкой на Naked-Science.
Группа биологов и специалистов по данным разработала систему, которая идентифицирует диких бурых медведей по фотографиям с точностью более 84%. Новый алгоритм PoseSwin ориентируется на биометрию головы и позволяет следить за конкретными животными годами, не прибегая к травмирующему чипированию, установке ушных бирок или генетическим тестам.
Мониторинг популяции бурых медведей Ursus arctos всегда был одной из самых сложных задач для зоологов. В отличие от леопардов или зебр, у медведей нет уникальных пятен или полосок на шкуре. Ситуацию усложняют и сезонные изменения: осенью медведь может весить в два раза больше, чем весной, а густая зимняя шерсть меняет очертания тела до неузнаваемости. Традиционные методы идентификации требуют отлова зверя и наркоза, что дорого, опасно и вызывает у животного сильный стресс.
Авторы исследования, опубликованного в журнале Current Biology, решили пойти другим путём. Они собрали массивный фотоархив в заповеднике Макнил-Ривер на Аляске. В итоговый датасет вошли 72 940 снимков 109 известных медведей, сделанные за шесть лет полевых наблюдений. Такой объём данных позволил обучить систему видеть в морде медведя то, что не различает человеческий глаз.
На этих материалах была обучена модель PoseSwin, основанная на архитектуре визуальных трансформеров. Ключевая особенность алгоритма заключается в понимании позы. Нейросеть сначала определяет положение головы медведя в пространстве, где находятся нос, глаза и уши, а затем анализирует биометрические параметры морды. Благодаря этому, система может сравнивать фотографии, сделанные с разных ракурсов, игнорируя изменения в полноте тела или состоянии шерсти.
В полевых условиях алгоритм показал впечатляющие результаты. При идентификации медведя в рамках одного сезона точность составила около 84%. При попытке узнать то же животное через год, после спячки, линьки и набора веса, точность снижалась, но всё равно оставалась на высоком уровне и составляла примерно 70%. ИИ научился отбрасывать временные признаки и фокусироваться на стабильной геометрии черепа, посадке ушей и форме переносицы.
Дополнительным испытанием стал так называемый режим "открытого мира". Система должна была отличить знакомых медведей от новичков, которых не было в обучающей выборке, и она успешно справилась с этой задачей, не путая "старых" животных с теми, кого она видела впервые.
Практическую пользу технологии учёные проверили с помощью гражданской науки. В систему загрузили любительские фотографии туристов из соседнего национального парка Катмай, расположенного в 65 километрах от места обучения. Алгоритм обнаружил там "своих" медведей. Так, выяснилось, что самец по кличке Безухий (Not Ears) и самка Лакс (Lax) регулярно мигрируют между парками. Более того, Лакс привела с собой медвежат, передавая им знание маршрута, что раньше было почти невозможно зафиксировать без прямого вмешательства в жизнь животных.
Исследование показывает, что компьютерное зрение способно заменить инвазивные методы слежения даже для видов, у которых нет явных отличительных признаков. Метод PoseSwin легко адаптируется и для других животных, например львов или приматов. Это означает, что миллионы туристических фотографий могут превратиться в ценный источник данных о миграциях, численности и структуре дикой природы, меняя сам подход к охране и изучению живого мира.
Фото: зеленым — верно распознанные медведи, фиолетовым — неверно / © Beth Rosenberg et al.
Читайте по теме:
Назван самый эффективный хищник на планете
