Искусственный интеллект (ИИ) может помочь ученым пролить новый свет на разнообразие видов, обитающих на дне океана, согласно новому исследованию, проведенному Плимутским университетом.
В связи с растущими угрозами, с которыми сталкивается морская среда, ученые отчаянно нуждаются в дополнительной информации о том, что населяет морское дно, чтобы информировать о сохранении и управлении биоразнообразием.
Автономные подводные аппараты (AUV), оснащенные новейшими камерами, теперь могут собирать огромные объемы данных, но узким местом по-прежнему остается то, что людям приходится их обрабатывать.
В новом исследовании, опубликованном в серии «Прогресс морской экологии», морские ученые и специалисты по робототехнике проверили эффективность системы компьютерного зрения (CV) в потенциальном выполнении этой роли.
Они показали, что в среднем точность идентификации различных животных на изображениях морского дна составляет около 80 %, но точность определения конкретных видов может достигать 93 %, если для обучения алгоритма используется достаточно данных.
Это, по словам ученых, показывает, что CV вскоре можно будет регулярно использовать для изучения морских животных и растений, что приведет к значительному увеличению доступности данных для исследований по сохранению и управлению биоразнообразием.
Аспирант Нильс Пьешо, ведущий автор исследования, сказал: «Автономные транспортные средства являются жизненно важным инструментом для исследования больших участков морского дна на глубине более 60 м (глубина, на которую может достичь большинство дайверов). Но в настоящее время мы не можем чтобы вручную анализировать более чем часть этих данных. Это исследование показывает, что ИИ является многообещающим инструментом, но наш классификатор ИИ все равно ошибался бы в одном из пяти случаев, если бы он использовался для идентификации животных на наших изображениях.
Это важный шаг вперед в работе с огромными объемами данных, генерируемых со дна океана, и показывает, что это может помочь ускорить анализ при использовании для обнаружения некоторых видов. Но мы не в этом. считать его подходящей полной заменой человеку на данном этапе».
Исследование проводилось в рамках исследовательского проекта Deep Links, финансируемого Советом по исследованиям окружающей среды и возглавляемого Плимутским университетом в сотрудничестве с Оксфордским университетом, Британской геологической службой и Объединенным комитетом по охране природы.
Один из национальных AUV Великобритании - Autosub6000, развернутый в мае 2016 года, - сделал более 150 000 изображений за одно погружение с глубины около 1200 м под поверхностью океана на северо-восточной стороне Rockall Bank, на севере. Восточная Атлантика. Вручную было проанализировано около 1 200 из этих изображений, содержащих 40 000 особей 110 различных видов животных (морфовидов), большинство из которых видели всего несколько раз.
Исследователи затем использовали Google Tensorflow, библиотеку с открытым доступом, чтобы научить предварительно обученную сверточную нейронную сеть (CNN) идентифицировать особей различных глубоководных морфовидов, найденных на изображениях AUV. Затем они оценили, как работала CNN при обучении с разным количеством примеров изображений животных и разным количеством морфовидов на выбор.
Точность ручной аннотации людьми может варьироваться от 50 до 95%, но этот метод медленный, и даже специалисты очень непоследовательны во времени и исследовательских группах. Этот автоматизированный метод достиг точности около 80%, приблизившись к производительности человека с явным преимуществом в скорости и согласованности.
Это особенно верно для некоторых морфовидов, с которыми алгоритмы работают очень хорошо. Например, модель правильно идентифицирует одно животное (тип ксенофиофора) в 93% случаев.
Хотя исследование не выступает за замену аннотирования вручную, оно демонстрирует, что морские биологи могут применять ИИ для решения конкретных задач, если тщательно оценят надежность своих прогнозов. Это значительно расширило бы возможности ученых по анализу своих данных.
Исследователи говорят, что сочетание специальных экологических знаний с возможностями высокотехнологичного AUV для исследования больших участков морского дна и быстрой обработки данных ИИ может значительно ускорить исследование глубоководных районов океана, а вместе с ним и наше более широкое понимание морских экосистем.
Доктор Керри Хауэлл, адъюнкт-профессор морской экологии и главный исследователь проекта Deep Links, добавил: «Большая часть нашей планеты - это глубокое море, обширная область, в которой у нас столь же большие пробелы в знаниях. морской среды, включая изменение климата, крайне важно, чтобы мы понимали наши океаны, среду обитания и виды, обитающие в них. В эпоху роботизированных и автономных транспортных средств, больших данных и глобальных открытых исследований разработка инструментов ИИ, способных помочь ускорить наше приобретение знаний является захватывающим и столь необходимым прогрессом."