Nova studija WSU i Google-a pokazuje da AI može skratiti vreme obrade snimaka sa fotopasca sa meseci na dane. Korišćenjem modela SpeciesNet, automatski rezultati su za većinu vrsta usklađeni sa ljudskim analizama u oko 85–90% slučajeva. To omogućava brže donošenje odluka u konzervaciji i posebno je korisno manjim organizacijama, ali retke i lako pomešane vrste i dalje zahtevaju ljudsku proveru.
AI Skraćuje Obradu Snimaka Sa Fotopasca Sa Meseci Na Dane — Studija WSU i Google-a
KREM
Novo istraživanje koje su predvodili naučnici sa Washington State University (WSU) i Google pokazuje da veštačka inteligencija može drastično ubrzati obradu snimaka sa fotopasca, smanjujući vreme analize sa meseci ili čak godine na samo nekoliko dana, uz zadržavanje većine ključnih naučnih zaključaka.
Kako je studija izvedena
Studija, objavljena u Journal of Applied Ecology, testirala je da li potpuno automatski AI sistem može zameniti ručni rad pri obradi stotina hiljada do miliona fotografija sa fotopasca prikupljenih u saveznoj državi Washington, u Glacier National Park (Montana) i u Rezervatu Majeve Biosfere u Gvatemali.
Glavni nalazi
Istraživači su koristili opšti AI model SpeciesNet (Google) i uporedili rezultate potpuno automatizovanog procesa bez ljudske verifikacije sa tradicionalnim, ekspertno označenim skupovima podataka. Za većinu uobičajenih vrsta ekološki zaključci (npr. prostorna rasprostranjenost i uticaj okoline) bili su usklađeni u oko 85–90% slučajeva.
"Ne pokušavamo da zamenimo ljude," rekao je Daniel Thornton, glavni autor studije i ekolog WSU. "Cilj je da pomognemo istraživačima da brže dođu do odgovora kako bi mogli da donose bolje odluke."
Čak i kada model pravi pojedinačne greške u identifikaciji ili propusti detekciju, statistički modeli zauzetosti ostaju robusni jer se oslanjaju na ponovljena posmatranja kroz vreme. Praktično, to znači da potpuno automatska obrada može biti završena za samo nekoliko dana umesto meseci — često unutar jedne nedelje.
Prednosti i ograničenja
Brža obrada omogućava brže donošenje odluka u konzervaciji, što je naročito važno za monitoring ključnih vrsta kao što su jaguar, vuk i smeđi medved. To može biti transformativno za manje i slabo finansirane organizacije, jer uklanja glavni usko grlo u velikim studijama fotopasca i omogućava proširenje napora za nadzor bez dodatne obrade podataka.
Međutim, postoje ograničenja: veoma retke vrste i one koje su lako zamenljive još uvek predstavljaju izazov za AI i često zahtevaju ljudsku proveru. Takođe, ljudska kontrola ostaje neophodna za primene koje zahtevaju najviši nivo tačnosti (npr. pravno relevantne procene, registracija retkih nalaza).
Projekat je dodatno doprineo zajednici tako što je deo podataka učinio javno dostupnim, što pomaže modelima poput SpeciesNet-a da se dalje unapređuju kroz deljenje podataka.
"Nismo pokušavali da izumimo novi model," rekao je Dan Morris iz Google-a, koautor studije i jedan od tvoraca SpeciesNet-a. "Pitali smo se da li današnja tehnologija može pouzdano podržati analize koje istraživači već rade."
Zaključak
Za mnoge uobičajene vrste i standardne ekološke modele, odgovor je potvrdan: automatska obrada slika više ne mora biti glavno ograničenje velikih studija fotopasca. Ipak, pažljiva primena i selektivna ljudska verifikacija ostaju važni za situacije gde je potrebno otkloniti rizik od grešaka pri retkim ili sličnim vrstama.
Pomozite nam da budemo bolji.
