A madarak és a mesterséges intelligencia
Sokat tanulhatunk a természettől, ha jobban figyelünk rá, és a tudósok világszerte kutatják ennek módszereit. A magas hegycsúcsoktól kezdve az óceánok legmélyebb pontjáig hangrögzítőket helyeznek el, hogy az ökoszisztéma megbontása és zavaró tényezők beiktatása nélkül hallgathassák a bálnák, elefántok, denevérek kommunikációját. Az érdeklődés középpontjában mégis a madarak vannak. 2021 nyarán például több mint 2000 elektronikus „fül” rögzíti a kaliforniai Sierra Nevada-hegység hangzásvilágát, körülbelül egymillió órányi anyagot rögzítenek. Ekkora adathalmaz értelmezésére viszont nincs elég emberi kapacitás, ezért a kutatók a mesterséges intelligenciára támaszkodnak – közli a Scientificamerican.com.
A felvételek értékes képet alkothatnak az állatközösségekről, illetve segíthetik a természetvédők munkáját. Az arra vonatkozó adatok összegyűjtése, hogy milyen fajok mekkora egyedszámmal élnek az adott közegben, még csak a kezdet. A kaliforniai kísérlet alapvető információkat tartalmaz majd arról, hogy a 2020-ban történt tűzvész miképpen érintette a terület élővilágát. A felvételekből kiderülhet, hogy a különböző állatfajok hogyan élték meg a katasztrófát, s milyen védelmi intézkedések szükségesek a „talpra állásukhoz”.
„A hang alapú adatok igazi kincsesbányát jelentenek az állatvilág megfigyelésekor, hiszen rengeteg információt hordoznak” – magyarázta Connor Wood ökológus, a Cornell Egyetem posztdoktori kutatója, aki a Sierra Nevadában zajló projektet vezeti. „Nehézséget jelentene az, hogy miképpen dolgozzuk fel ezt a hatalmas mennyiségű adatot.” Viszont a gépi tanulás segítségével képes a mesterséges intelligencia beazonosítani a különböző fajokat, s egy nap alatt több mint ezer órányi adatot feldolgozni.
„A gépi tanulás jelentette számunkra az igazi megoldást” – mondta Laurel Symes, a Cornell Egyetem Ornitológiai Labor Bioakusztikai Központjának igazgatója. „Megtanulja az állatok kommunikációját, beleértve a tücskök, békák, denevérek és madarak ’beszélgetését’. A szaporodással kapcsolatos tevékenységek és a szezonális populációváltozások mintáit tartalmazzák ezek a hanganyagok, melyeknek elemzése rendkívül időigényes lenne. A gépi tanulási algoritmusok, amelyeket a csapatunkkal fejlesztünk – KatydID néven – azt hivatott elérni, hogy beazonosítsa a különböző fajokat, és keresse az összefüggéseket.”
A projektben a BirdNET madárhang-felismerő rendszerre támaszkodnak, amit más kutatók arra használnak, hogy dokumentálják a fény- és zajszennyezés hatásait például a francia Brière Regionális Nemzeti Park ökoszisztémájában.
Az ilyen rendszerek az összes beérkező adatnak az elemzésével kezdődnek, jelen esetben a több száz rögzített madárhangot társították a megfelelő fajokhoz. A neurális háló ennek segítségével fel tudja dolgozni, hogy mely tulajdonságok – például hangok – kapcsolhatók ahhoz a bizonyos címkéhez, azaz madárfajhoz. Mivel számos ismertetőjegyet kell megkülönböztetni, ezért az emberek számára ez egy rendkívül bonyolult folyamat.
Az, hogy a rendszer mennyire gyorsan tanul, nagyban függ az elérhető, előre címkézett felvételek mennyiségétől. Szerencsére már rengeteg adat fellelhető a közönséges madarakról. Becslések szerint körülbelül 4,2 millió felvétel érhető el online 10000 különböző fajtól. A BirdNET által azonosított 3000 féle faj nagy része Európában és Észak-Amerikában található meg, a BirdVox nevű alkalmazás pedig tovább szűkíti a kört, hiszen ez a hangsúlyt az Egyesült Államokban élő madarakra fekteti.
A tudósok munkáját a hétköznapi emberek is segíthetik a madárdal-tárház hiányosságainak pótlásával. A BirdNET okostelefonos alkalmazásként működik, ami nagy sikert aratott az amatőr madarászok körében. Hangrészleteket rögzítenek, s elmentik az applikációval, amely megadja a madár fajtáját, a felvétel pedig elérhető lesz a kutatók számára is. Naponta több mint 300000 felvétel érkezik.
A gépi tanulás algoritmusa még fejlesztésre szorul. Noha sokkal gyorsabban elemzik a madárhangokat, mint az emberek, még mindig vannak olyan formák, amelyek nehezen értelmezhetők az alkalmazások számára.
Némethi Botond, Okosipar.hu