AI ndihmon në dallimin e leopardeve të borës, përmirëson numërimin e popullsisë së tyre

Leopartët e borës njihen si “fantazmat e maleve” për një arsye. Imagjinoni të prisni muaj të tërë në malet e ashpra dhe të thërrmuara të Azisë, duke shpresuar të shihni edhe një shenjë të tyre. Këta kafshë të mëdha të fshehta lëvizin pa zhurmë mbi shpatet shkëmbore, palltoja e tyre e lehtë duke u përzier aq natyrshëm me borën dhe gurin sa që edhe biologët më të përgatitur rrallë i shohin në natyrë.

Shkrimtari i udhëtimeve Peter Matthiessen kaloi dy muaj në vitin 1973 duke kërkuar për ta në platformat tibetiane dhe shkroi një libër prej 300 faqesh rreth përpjekjes. Ai kurrë nuk e pa një të tillë. Katërdhjetë vjet më vonë, djali i Peter, Alex, ndoqi hapin e babait të tij – dhe nuk e pa asnjëherë një të tillë.

Hulumtuesit kanë pasur vështirësi të përcaktojnë një shifër për popullatën globale. Në vitin 2017, Unioni Ndërkombëtar për Ruajtjen e Natyrës rivendosi klasifikimin e leopartit të borës nga i rrezikuar në të rrezikuar, duke cituar vlerësime midis 2,500 dhe 10,000 të rritur në natyrë. Megjithatë, grupi gjithashtu paralajmëroi se numrat vazhdojnë të bien në shumë zona për shkak të humbjes së habitatit, gjuetisë së paligjshme dhe konfliktit midis njeriut dhe kafshëve. Ata që studiojnë këto kafshë duan të ndihmojnë në mbrojtjen e specieve dhe habitatit të tyre – nëse vetëm mund të përcaktojmë saktësisht ku jetojnë dhe sa janë ata.

Tradicionalet e gjurmimit – kërkimi i gjurmëve të këmbëve, mbetjeve dhe shenjave të tjera – kanë kufijtë e tyre. Në vend që të presin një takim të fatshëm ballë për ballë, konservatorët nga Shoqata për Ruajtjen e Natyrës, të udhëhequr nga ekspertë përfshirë Stéphane Ostrowski dhe Sorosh Poya Faryabi, filluan vendosjen e kapëseve automatike me kamera në Afganistan. Këto pajisje shkrepin foto sa herë zbulohet lëvizje, duke kapur mijëra imazhe gjatë muajve, të gjitha me shpresën për të marrë një pamje të rrallë të një leopardi të dëborës.

Por kapja e imazheve është vetëm gjysma e betejës. Detyra tjetër, edhe më e vështirë, është të dallosh një leopardi të dëborës nga tjetri.

Në shikimin e parë, mund të duket e thjeshtë: Çdo leopardi i dëborës ka një model unik të rozetave të zeza në lëkurën e tij, si një gjurmë gishtash ose një fytyrë në një turmë. Megjithatë në praktikë, identifikimi i individëve përmes këtyre modeleve është i ngadaltë, subjektiv dhe i prirur për gabime. Fotografitë mund të merren në kënde të çuditshme, nën ndriçim të dobët, ose me pjesë të kafshës të mbuluara – duke bërë që krahasimet të jenë të vështira.

Një gabim i zakonshëm ndodh kur fotografitë nga kamera të ndryshme shënohen si përfaqësuese të kafshëve të ndryshme kur në fakt tregojnë të njëjtin individ, duke rritur vlerësimet e popullsisë. Më keq, imazhet nga kapësit me kamera mund të përzihen ose të merren gabimisht, duke ndarë takimet me një mace në grupe të ndryshme dhe identitete të ndryshme.

Unë jam një analist i të dhënave që punon me Shoqërinë për Ruajtjen e Natyrës dhe partnerë të tjerë në Wild Me. Puna ime dhe puna e të tjerëve ka zbuluar se edhe ekspertët e trajnuar mund të gabojnë në identifikimin e kafshëve, duke mos njohur vizitorët e përsëritur në vendndodhjet e monitoruara nga kamerat me sensor lëvizjeje dhe duke numëruar të njëjtën kafshë më shumë se një herë. Një studim gjeti se popullsia e leopardit të borës ishte mbivlerësuar me më shumë se 30% për shkak të këtyre gabimeve njerëzore.

Për të shmangur këto gabime, kërkuesit ndjekin udhëzimet për renditjen e kamerave: Të paktën tre ndryshime ose ngjashmëri të qarta në model duhet të konfirmohen midis dy imazheve për t'i deklaruar ato si të njëjtë ose të ndryshëm. Imazhet shumë të mjegullta, shumë të errëta ose të kapura nga kënde të vështira mund të duhet të braktisen. Përpjekjet për identifikim variojnë nga rastet e lehta me pamje të qarta dhe të plotë të trupit deri te rastet e paqartë që kërkojnë bashkëpunim dhe debat. Pavarësisht këtyre përpjekjeve, ndryshimet mbeten, dhe vëzhguesit më të përvojë kanë tendencë të jenë më të saktë.

Tani, njerëzit që përpiqen të numërojnë leopardët e borës marrin ndihmë nga sistemet e inteligjencës artificiale, në dy mënyra.

Vëzhgimi i shenjave

Mjetet moderne të AI po revolucionarizojnë mënyrën se si përpunojmë këto biblioteka të mëdha fotografish. Së pari, AI mund të rendisë shpejt mijëra imazhe, duke shënuar ato që përmbajnë leopardë të borës dhe duke injoruar ato të papërfillshme si ato që përshkruajnë dhelprat blu, terrenin e malit gri-dhe-zezë, ose hijet.

AI mund të identifikojë leopardët e borës individualë duke analizuar modelet e tyre unike të rozetave, edhe kur pozat ose ndriçimi ndryshojnë. Çdo takim me leopardin e borës krahasohet me një katalog të fotografive të identifikuara më parë dhe i caktohet një ID e njohur nëse ka një përputhje, ose regjistrohet si një individ i ri nëse nuk ka.

Në një studim të fundit, disa kolegë dhe unë vlerësuam dy algoritme të AI, të dy veçmas dhe së bashku.

Algoritmi i parë, i quajtur HotSpotter, identifikon leopardët e borës individualë duke krahasuar veçoritë kryesore vizuale si modelet e mbulesës, duke theksuar “pikat e nxehta” të dallueshme me një shenjë të verdhë.

E dyta është një metodë më e re e quajtur pose invariant embeddings, e cila vepron ngjashëm me teknologjinë e njohjes së fytyrës: Ajo njoh shtresa të veçorive abstrakte në të dhëna, duke identifikuar të njëjtin kafshë pavarësisht se si është pozicionuar në foto ose çfarë lloji ndriçimi mund të ketë.

Ne trajnuam këto sisteme duke përdorur një set të dhënash të kuruar me foto të leopardëve të borës nga kopshtet zoologjikë në SHBA, Evropë dhe Tajikistan, dhe me imazhe nga natyra, duke përfshirë në Afganistan.

Vetëm, secili model punonte rreth 74% të kohës, duke identifikuar saktë macen nga një bibliotekë e madhe fotografish. Por kur bashkohen, të dy sistemet së bashku ishin të saktë në 85% të kohës.

Këto algoritme u integruan në Wildbook, një platformë softueri me burim të hapur, në bazë të uebit, e zhvilluar nga organizata jofitimprurëse Wild Me dhe tani e adoptuar nga ConservationX. Ne vendosëm sistemin e përbashkët në një faqe interneti falas, Whiskerbook.org, ku studiuesit mund të ngarkojnë imazhe, të kërkojnë përputhje duke përdorur algoritmet, dhe të konfirmojnë ato përputhje me krahasime anashkash. Kjo faqe është ndër një familje në rritje të platformave të natyrës së zgjuar me AI që po ndihmojnë biologët e mbrojtjes të punojnë më efikasisht dhe më efektivisht për të mbrojtur speciet dhe habitatet e tyre.

Njerëzit ende të nevojshëm

Këto sisteme AI nuk janë të përsosura pa gabime. AI shpejt kufizon kandidatët dhe shënjon përputhje të mundshme, por validimi nga ekspertët siguron saktësi, sidomos me foto të vështira ose të paqartë.

Një studim tjetër që kemi kryer ka krahasuar grupet e ekspertëve dhe noviceve të ndihmuar nga AI. Çdo grup u dha një grup prej tre deri në 10 imazhesh të 34 leopardëve të borës të njohur dhe u kërkua të përdorin platformën Whiskerbook për t'i identifikuar. Ata gjithashtu u kërkua të vlerësonin sa individë ishin në grupin e fotove.

Ekspertët përputhën saktë rreth 90% të imazheve dhe dhanë vlerësime të popullsisë brenda rreth 3% të numrit të vërtetë. Përkundrazi, noviceët identifikuan vetëm 73% të macjeve dhe nënvlerësuan numrin total, ndonjëherë me 25% ose më shumë, duke bashkuar gabimisht dy individë në një.

Të dy grupet e rezultateve ishin më të mira se kur ekspertët ose fillestarët nuk përdorën asnjë softuer.

Përfundimi është i qartë: Ekspertiza njerëzore mbetet e rëndësishme, dhe bashkimi i saj me mbështetjen e AI-së çon në rezultatet më të sakta. Koleget e mi dhe unë shpresojmë që duke përdorur mjetet si Whiskerbook dhe sistemet AI të integruara në to, studiuesit do të jenë në gjendje të studiojnë më shpejt dhe më me besim këto kafshë të vështira për t'u kapur.

Me mjetet e AI-së si Whiskerbook që ndriçojnë misteret e këtyre fantomeve malore, kemi një mënyrë tjetër për të mbrojtur leopardët e borës – por suksesi varet nga angazhimi i vazhdueshëm për të mbrojtur shtëpitë e tyre të brishta në mal.