Umělá inteligence (AI) je užitečným nástrojem zejména v otázce datové analýzy. Algoritmy na bázi AI dokážou zpracovávat obrovské množství dat a hledat v nich vzorce i anomálie díky neuronovým sítím, které disponují procesorem výkonnějším než lidský mozek. Tato kapacita se nejčastěji používá v jazykových modelech (viz populární aplikace ChatGPT) a při zpracování obrázků – a právě v této druhé oblasti ji lze aplikovat i v kontextu ekologie.
Obrázková data mohou pocházet z mnoha zdrojů. Například satelitní snímky se používají pro analýzu změn pokrytí lesů. Údaje o úbytku porostu nebo změně jeho zbarvení pomáhají ochráncům přírody odhalit kácení či zhoršení biodiverzity v těchto místech. Monitorovat lze i divokou zvěř skrze analýzu fotografií nasbíraných z dronů, fotopastí či běžných kamer.
Monitorování divoké zvěře pomocí AI
Jedním z možných uplatnění umělé inteligence pro monitorování divoké zvěře je tzv. reidentifikace neboli rozpoznávání jedinců. Tento obor v posledních letech získal na důležitosti díky potřebě efektivních strategií ochrany a managementu volně žijících živočichů. Reidentifikace může poskytnout důležité údaje o velikosti populace a její dynamice, jako je porodnost a úmrtnost, které jsou zásadní pro pochopení zdraví populace a rozvoj strategií ochrany. Díky rozpoznávání jednotlivých zvířat mohou vědci také studovat vzorce pohybu nebo pomoci při vývoji a hodnocení ochranářských zásahů.
Reidentifikace divoké zvěře tradičně spoléhala na sledovací technologie umístěné přímo na zvířata. I když jsou tyto metody účinné, jsou pracné, časově náročné a manipulace se zvěří pro ni může být stresující.
Vhodným přístupem k reidentifikaci je použití neinvazivních metod, například fotopastí. Jedná se o strategicky rozmístěné kamery, které se aktivují pohybem zvířete a zachycují snímky divoké zvěře v jejich přirozeném prostředí. Tyto snímky lze analyzovat a jednotlivá zvířata identifikovat na základě charakteristických rysů, jako jsou vzory srsti, jizvy nebo jiné fyzické vlastnosti. Tradičně jsou tyto fotografie analyzovány manuálně. AI se nicméně v této oblasti v posledních letech objevuje jako mocný nástroj, jelikož umožňuje efektivnější a přesnější identifikaci jednotlivých zvířat z velkých souborů dat.
V České republice existuje hned několik výzkumných skupin, které se zajímají o aplikaci umělé inteligence na monitorování divoké zvěře. Pojďme si představit dvě z nich, které sídlí na Fakultě elektrotechnické Českého vysokého učení technického v Praze (FEL ČVUT) a na Fakultě aplikovaných věd Západočeské univerzity v Plzni (FAV ZČU).
Za mořskými želvami na Zakynthos
Skupinu na FEL ČVUT vede Lukáš Adam z Centra umělé inteligence. Jeho příběh s ochranou divoké zvěře začal v Berlíně, kde po skončení výzkumného pobytu přemýšlel, co dělat dál. Řecký kolega Kostas Papafitsoros se mu zmínil, že každý rok jezdí do své vlasti pomáhat jako dobrovolník pro nevládní organizaci Archelon, která monitoruje mořské želvy. Během 13 let potápění nashromáždil přes 50 000 fotografií dokumentujících více než šest set různých želv. Při každém z těchto setkání potřebuje želvu identifikovat, což je velmi časově náročně. Proto Lukáše oslovil s návrhem na vývoj automatického systému, který by mu s rozpoznáváním pomohl. Oba začali na projektu pracovat a brzy získali první výsledky.
Reidentifikace začíná detekcí želví hlavy. K tomu výzkumníci použili model původně natrénovaný na detekci vozidel, dopravních značek či chodců a přeučili jej právě na rozpoznávání želv. Na hlavu se zaměřili proto, že se na ní nacházejí charakteristické destičky, jejichž tvar se po celou dobu života želvy nemění, a lze je tedy použít k identifikaci konkrétního jedince. Hlava se z fotografie vyřízne a odstraní se rušivé pozadí, které může software pro reidentifikaci zmást.
Poté vědci použili další modely AI k automatickému extrahování rysů z každého obrázku a jejich porovnání s dalšími fotkami v databázi. Pokud byly tyto rysy na dvou různých obrázcích podobné, obrázky pravděpodobně zobrazovaly stejného jedince.
Takto upravenou sadu 8 000 snímků čtyř stovek želv publikovali pod názvem SeaTurtleID. Každý si ji může najít online a vyzkoušet si své schopnosti rozeznat jednotlivé želvy. V současné době skupina katalogizuje ostatní veřejně dostupné databáze dalších volně žijících živočichů. Tyto datové sady umožňují vědcům algoritmy pro reidentifikaci divoké zvěře trénovat.
Velkým snem Lukáše a Kostase je vytvořit interaktivní webovou stránku zaměřenou na občanskou vědu, kam by lidé mohli posílat své fotky želv a získávat o nich podrobnější informace, jako kolikrát a kde byla vyfocena.
Šelmy v hledáčku biologů
Skupinu na FAV ZČU vede Lukáš Picek. Se svými zahraničními kolegy vyvinul již několik v ekologii užitečných aplikací. Ve spolupráci s Dánskou mykologickou společností vytvořil a spustil mobilní a webovou aplikaci pro rozpoznávání stovek druhů hub. Pomohl také vytvořit systém pro identifikaci tisíců hadích druhů, aby přispěl k prevenci úmrtnosti na hadí uštknutí. Nebo vytvořil systém pro identifikaci druhů volně žijících živočichů z fotopastí v národním parku Serengeti v Tanzanii, který získal první místo v soutěži s více než osmi sty účastníky.
Aktuálně je Lukáš hlavním řešitelem projektu CarnivoreID. Jeho cílem je zkoumat a vyvíjet nové technologie AI pro analýzu fotek šelem z fotopastí. Vyvinutá technologie má potenciál výrazně zvýšit efektivitu anotačního procesu, zkrátit reakční dobu na urgentní situace (například výskyt konfliktního druhu v nových oblastech nebo zraněného zvířete), zlepšit a zjednodušit identifikaci jedinců a zpřesnit odhady populací ohrožených druhů.
Pro další informace o ochraně velkých šelem a reidentifikaci zvěře v ČR doporučujeme stránky www.selmy.cz
Text vznikl ve spolupráci s Fakultou elektrotechnickou ČVUT.
Nezkrácenou verzi textu naleznete uvnitř časopisu. Ten si můžete také předplatit a každé nové číslo dostanete elektronicky nebo poštou přímo do schránky! I při objednání přes internet můžete podpořit svého oblíbeného prodejce.
