Uno degli aspetti più interessanti dell’intelligenza artificiale (AI) è che la tecnologia aiuta costantemente gli esperti a scoprire nuove informazioni sul nostro ambiente. Questo è il caso ancora una volta quando un team di ricerca dell’Università di Osaka ha creato un nuovo sistema di raccolta dati di origine animale che si basa sull’IA. Questo sistema è ciò che ha aiutato a scoprire comportamenti precedentemente non segnalati negli uccelli marini, in particolare per quanto riguarda il foraggiamento.
Bio-registrazione
Una delle tecniche attualmente utilizzate per osservare gli animali selvatici, compresi i loro comportamenti e le interazioni sociali, è il bio-logging. La tecnica prevede il montaggio di videocamere leggere o altri dispositivi destinati a raccogliere dati sui corpi degli animali. Sebbene il bio-logging sia visto come una delle migliori tecniche per prevenire il disturbo dell’animale, ha alcuni aspetti negativi.
In particolare, il bio-logging richiede un alto livello di durata della batteria e i sistemi sono costosi.
Takuya Maekawa è l’autore corrispondente dello studio, pubblicato su Communications Biology e intitolato “L’ apprendimento automatico consente una migliore precisione di runtime per i bio-logger sugli uccelli marini “.
“Poiché i bio-logger attaccati ai piccoli animali devono essere piccoli e leggeri, hanno tempi di esecuzione brevi ed è stato quindi difficile registrare comportamenti rari e interessanti”, ha detto Maekawa.
“Abbiamo sviluppato un nuovo dispositivo di bio-logging dotato di AI che ci consente di rilevare e registrare automaticamente i comportamenti target specifici di interesse in base ai dati di sensori a basso costo come accelerometri e sistemi di posizionamento geografico (GPS)”, ha continuato Maekawa.
Con l’uso dei sensori a basso costo, è possibile fare meno affidamento sui sensori ad alto costo, che includono le videocamere. Questi sensori ad alto costo devono quindi essere utilizzati solo nei momenti più probabili in cui è possibile acquisire il comportamento specifico del bersaglio.
Accoppiato con Machine Learning
Associando questi sistemi a tecniche di apprendimento automatico, i sensori ad alto costo possono essere indirizzati verso comportamenti molto interessanti ma poco frequenti. Ciò significa che quei comportamenti poco frequenti hanno una maggiore possibilità di essere osservati.
Il sistema di videocamere assistito da AI sviluppato dal team dell’Università di Osaka è stato testato su gabbiani dalla coda nera e berte striate. Entrambi gli animali sono stati tenuti nei loro ambienti naturali, che si trovano sulle isole al largo della costa del Giappone.
“Il nuovo metodo ha migliorato la rilevazione dei comportamenti di foraggiamento nei gabbiani dalla coda nera di 15 volte rispetto al metodo di campionamento casuale”, ha detto Korpela. “Nelle berte striate, abbiamo applicato un sistema dotato di intelligenza artificiale basato su GPS per rilevare specifiche attività di volo locale di questi uccelli. Il sistema basato su GPS aveva una precisione di 0,59, molto superiore allo 0,07 di un metodo di campionamento periodico che prevedeva l’accensione della fotocamera ogni 30 minuti.
Secondo i ricercatori, ci sono molte possibili applicazioni per questa tecnologia di intelligenza artificiale, compresi gli usi anti-bracconaggio e per ottenere informazioni sulle relazioni e le interazioni tra esseri umani e animali selvatici.
“Questi sistemi hanno una vasta gamma di possibili applicazioni, incluso il rilevamento dell’attività di bracconaggio utilizzando etichette anti-bracconaggio”, afferma Maekawa. “Prevediamo inoltre che questo lavoro verrà utilizzato per rivelare le interazioni tra la società umana e gli animali selvatici che trasmettono epidemie come il coronavirus”.
