Surveillance de l’IA et de la population; Cela fait-il vraiment une différence? – L’écologiste appliqué
Emily A. Jordan discute de l’utilisation de l’IA dans la surveillance de la population et de l’expérience de son équipe l’utiliser pour évaluer le scinque Kapitia.
Dans la surveillance de la population, l’utilisation de marques uniques pour identifier les individus est une solution pratique lorsque les espèces sont difficiles à étiqueter. Nous pouvons piéger la caméra piégeant les léopards de neige insaisissables, les baleines de photographies drones et prendre joyeusement nos plus petits amphibiens. Pourtant, ces enregistrements photographiques présentent un nouveau défi. Chaque observation doit être appariée à un individu connu – ou attribué comme une nouvelle – en fonction de notre évaluation de leurs caractéristiques, et à mesure que le nombre d’enregistrements augmente, cela devient de plus en plus difficile et prend du temps qui nous laisse fatigués et sujets à l’erreur.
Cue Intelligence artificielle, ou AI. Pour la première fois dans les années 1950, aujourd’hui, l’IA peut ressembler à un mot à la mode incontournable, mais derrière le buzz se cache un outil raisonnable pour les praticiens. Le terme se réfère le plus à un ordinateur effectuant une tâche associée à l’intelligence humaine, comme la reconnaissance des modèles et la compréhension du langage. Sa portée peut varier d’énormes modèles génératifs tels que Chatgpt, à des logiciels focalisés pour des tâches répétitives.
Comment ça marche?
La plupart d’entre nous ont probablement utilisé une application de téléphone AI pour aider à identifier une espèce inconnue; Le logiciel de reconnaissance individuelle est similaire – il se concentre simplement sur la distinction des fonctionnalités au niveau individuel. Plusieurs forfaits d’identification individuels sont disponibles Et, bien qu’ils varient légèrement dans leur maquillage et leur interface utilisateur, ils suivent finalement le même pipeline:
- Étape de prétraitement – L’utilisateur sélectionne un domaine d’intérêt pour que l’IA se concentre (cela pourrait signifier une culture ou des modèles de mise en évidence).
- L’IA compare les images – l’algorithme fonctionne pour marquer des paires d’images en fonction de leurs similitudes.
- Comparaison visuelle – L’utilisateur est présenté avec une sélection raffinée d’images pour accepter ou rejeter comme des paires correspondantes.
Cela fait-il une différence?
Jusqu’à présent, des études suggèrent que l’utilisation d’un ensemble d’IA pour identifier les individus améliore la précision par rapport à la tentative de faire correspondre les individus par l’œil humain seul. Étant donné que les antécédents de rencontres individuelles sont utilisés pour faire des estimations de la population, les erreurs commises au stade de l’ID sont susceptibles de se répercuter à nos estimations, quelque chose que des études de simulation indiquent déjà.
Nous voulions illustrer ce que cela pourrait signifier dans un scénario de conservation du monde réel en examinant l’effet de l’utilisation d’un logiciel ID (ici, nous avons utilisé des hotspotter) sur la ligne de fond des estimations démographiques pour le scinaire Kapitia – un lézard en danger critique d’exécution ayant besoin d’une conservation urgente. Comparer les sorties lors de l’analyse de deux ensembles de données distincts; Celui construit à l’aide du logiciel de l’IA, celui avec l’identification faite par l’effort humain seul, nous avons vu des différences notables dans les estimations démographiques. Dans un cas, nos résultats ont indiqué que l’utilisation de l’IA nous empêchait de surestimer la taille de la population de plus de 10% – très significative lors de la planification des interventions pour une espèce à la limite.
Quelle est la prise?
Bien que nous pensons que cet outil est un excellent moyen pour les projets de minimiser les erreurs dans leur surveillance, il y a des problèmes à conscience. Parmi les logiciels disponibles, la plupart sont gratuits et reçoivent différents niveaux de maintenance (le cas échéant). Il vaut la peine de jouer avec quelques options pour voir ce qui fonctionne le mieux pour vos espèces d’intérêt et de système informatique. Les versions payées peuvent être plus lisses et peuvent même automatiser les étapes de prétraitement et de correspondance à une plus grande mesure – mais bien sûr, il y a des coûts. Enfin, il y a encore de la place pour que les erreurs se glissent avec cette méthode – il n’y a que peu de choses qui peuvent être faites avec une photo floue – mais en fin de compte, si vous avez un projet de surveillance qui dépend du tri via des images de tas, une solution d’IA peut juste valoir un second look.
Intéressé à lire l’article complet dans Solutions et preuves écologiques? Veuillez cliquer ici.