51

Как машинное обучение помогает спасать природу

В 2003 году Таня Бергер-Вольф, ученая из Университета Огайо, поехала в отпуск в заповедник в Кении. Там она встретила коллегу, который пытался идентифицировать зебру, сравнивая ее полосы с полосами сотен зебр на фотографиях, ранее сделанных в заповеднике.

Как машинное обучение помогает спасать природу Искусственный интеллект, Машинное обучение, Природа, Перевод, Длиннопост

Поиск занял примерно 20 минут, и Бергер-Вольф предположила, что должен существовать лучший способ идентификации диких животных. Вместе с коллегами они разработали Экологическую информационную систему на основе изображений (IBEIS), систему машинного обучения, способную сравнивать фотографии зебр и других видов животных.

Как машинное обучение помогает спасать природу Искусственный интеллект, Машинное обучение, Природа, Перевод, Длиннопост

В процессе обучения IBEIS демонстрировали тысячи фотографий животных. Зебры идеально подходят для этой задачи, потому что, по сути, они являются ходячими штрих-кодами. Но будет ли IBEIS работать с другими животными, нуждающимися в защите? Профессор Бергер-Вольф объединила усилия с некоммерческой организацией Wild Me. Вместе они создали проект Wildbook, чтобы подсчитать китовых акул, находящихся под угрозой исчезновения, путем анализа фотографий исследователей, дайверов-любителей и обычных туристов на лодках.

Как машинное обучение помогает спасать природу Искусственный интеллект, Машинное обучение, Природа, Перевод, Длиннопост

У этих акул есть пятна на теле, уникальные для каждого животного. В рамках проекта было проанализировано около 75 000 фотографий и видеороликов, и выявлено около 8100 особей китовых акул. Проект был признан успешным, сейчас Wildbook продолжает работу с более чем 30 видами животных, включая белых медведей, жирафов и горбатых китов. Программное обеспечение просматривает публично размещенные изображения и клипы в социальных сетях в поисках подходящих животных.

Как машинное обучение помогает спасать природу Искусственный интеллект, Машинное обучение, Природа, Перевод, Длиннопост

В 2016 году Кения обратилась к Бергер-Вольф за помощью в подсчете зебр Греви. В 1970-х их было около 15000, но защитники природы считали, что их количество резко сократилось. Для этого ученые пригласили волонтеров, которые хотели помочь, и попросили их фотографировать животных в течение двух дней в местах их обитания. Сотни людей вызвались помочь, в общей сложности они сделали 40 000 изображений для обучения моделей машинного обучения.

Как машинное обучение помогает спасать природу Искусственный интеллект, Машинное обучение, Природа, Перевод, Длиннопост

Окончательный подсчет показал 2350 зебр, подтвердив опасения защитников природы. Но теперь, когда снижение численности было задокументировано, был предпринят ряд шагов. Новые переписи зебр, проведенные в 2018 и в начале 2020 года, показали увеличение поголовья до 3000 особей.

Источник

Искусственный интеллект

4.6K поста11.3K подписчиков

Правила сообщества

ВНИМАНИЕ! В сообществе запрещена публикация генеративного контента без детального описания промтов и процесса получения публикуемого результата.


Разрешено:


- Делиться вопросами, мыслями, гипотезами, юмором на эту тему.

- Делиться статьями, понятными большинству аудитории Пикабу.

- Делиться опытом создания моделей машинного обучения.

- Рассказывать, как работает та или иная фиговина в анализе данных.

- Век жить, век учиться.


Запрещено:


I) Невостребованный контент

  I.1) Создавать контент, сложный для понимания. Такие посты уйдут в минуса лишь потому, что большинству неинтересно пробрасывать градиенты в каждом тензоре реккурентной сетки с AdaGrad оптимизатором.

  I.2) Создавать контент на "олбанском языке" / нарочно игнорируя правила РЯ даже в шутку. Это ведет к нечитаемости контента.

  I.3) Добавлять посты, которые содержат лишь генеративный контент или нейросетевой Арт без какой-то дополнительной полезной или интересной информации по теме, без промтов или описания методик создания и т.д.


II) Нетематический контент

  II.1) Создавать контент, несвязанный с Data Science, математикой, программированием.

  II.2) Создавать контент, входящий в противоречие существующей базе теорем математики. Например, "Земля плоская" или "Любое действительное число представимо в виде дроби двух целых".

  II.3) Создавать контент, входящий в противоречие с правилами Пикабу.


III) Непотребный контент

  III.1) Эротика, порнография (даже с NSFW).

  III.2) Жесть.


За нарушение I - предупреждение

За нарушение II - предупреждение и перемещение поста в общую ленту

За нарушение III - бан