Kamera-zamke koje se aktiviraju na pokret postale su glavni alat ekologa koji žele otkriti što se događa u prirodi kad ih nitko ne promatra. Problem započinje nakon što se objektiv zatvori: jedna jedina studija na razini cijelog ekosustava može stvoriti milijune snimaka, više nego što bilo koja ekipa može ručno pregledati. Godinu dana nakon što je Google objavio model SpeciesNet kao otvoreni kod, istraživači na svim naseljenim kontinentima koriste tu umjetnu inteligenciju kako bi gomile fotografija pretvorili u znanstvene uvide za nekoliko sati umjesto nekoliko godina.
Model treniran na više od 65 milijuna slika
SpeciesNet prepoznaje gotovo 2.500 kategorija životinja – od slonova do ugroženih oposuma – jer je učen na 65 milijuna fotografija koje su dostavile zaštitarske agencije, sveučilišta i građanske platforme. Algoritam se uključi u jednostavan radni tok: prateći program MegaDetector prvo locira životinje u kadru, zatim SpeciesNet imenuje vrstu i ispiše koliko je pouzdan u svaki prepoznati primjerak. Na običnom prijenosnom računalu sustav obrađuje oko 30.000 fotografija dnevno; pristupačna grafička kartica za igranje igara podigne tu brojku na više od 250.000.
Od Serengetija do predgrađa
Projekt Snapshot Serengeti, jedan od najstarijih kamera-zamkarskih programa na planetu, pokazuje koliki je to problem – i koliku olakšicu donosi automatizacija. Od 2010. godine prikupljeno je oko 11 milijuna snimaka. Volonteri su ih u početku ručno razvrštavali, ali je poplava novih podataka brzo premašila njihovo slobodno vrijeme. Todd Michael Anderson sa sveučilišta Wake Forest prožeo je cijeli arhiv kroz SpeciesNet na svom laptopu i završio posao za nekoliko dana. Budući da model radi lokalno, Anderson može pregledati rezultate dok je još u terenu i u stvarnom vremenu premjestiti kamere na žarišta s najviše aktivnosti.
Slične priče događaju se diljem svijeta. U kolumbijskim oblačnim šumama Andija projekt Lucitania upotrijebio je SpeciesNet kako bi potvrdio prisutnost puma i ugroženih mačaka ocelota, bez što mjeseci čekanja da studenti ručno pregledaju fotografije. Idaho sektor za ribolov i divljač sada koristi SpeciesNet kao prvu procjenu na snimkama sa stotina šumskih kamera koje nadgledaju crne medvjede, losa i druge velike sisavce.
Zašto je SpeciesNet veliki korak naprijed
Glavna prednost leži u brzini i dostupnosti. Istraživači više ne moraju mjesecima tražiti financije za angažiranje asistenata ili volontera; dovoljan im je običan kompjuter i malo strpljenja. Pouzdanost modela raste s kvalitetom ulaznih podataka, a mogućnost lokalnog izvršavanja znači da se osjetljivi podaci o rijetkim vrstama ne moraju slati na strane poslužitelje. Time se štedi i vrijeme i novac, a istovremeno se povećava točnost znanstvenih zaključaka.
Što dalje?
SpeciesNet je tek jedan primjer kako umjetna inteligencija mijenja ekologiju. Kako se alati poboljšavaju, možemo očekivati još veću preciznost i bržu obradu. Kombinacija jeftinih kamera-zamki, otvorenog koda i naprednog učenja otvara potpuno novo poglavlje u istraživanju divljih životinja – poglavlje u kojem će se znanstvenici moći posvetiti interpretaciji pod