اداره کل دامپزشکی استان خراسان رضوی

کاربردهای هوش مصنوعی فراتر از دستیارهای صوتی و خودران‌ها است. محققانی از دانشگاه‌های آبرن (Auburn)، هاروارد، آکسفورد، مینه‌سوتا و وایومینگ، الگوریتم یادگیری ماشینی را توسعه داده‌اند که قادر به شناسایی، توصیف و شمارش جانوران با دقت ۹۶.۶ درصد است.

به گزارش شبکه، Jeff Clune دانشیار دانشگاه وایومینگ و مدیر ارشد تحقیقات (senior research manager) آزمایشگاه هوش مصنوعی Uber در این باره می‌گوید: «این فناوری به ما اجازه می‌دهد تا داده‌ها را با دقت، بدون ایجاد مزاحمت برای جانوران و با هزینه کم جمع‌آوری کنیم. به این ترتیب می‌توانیم از کلان‌داده (big data) در حوزه‌‌های متنوعی نظیر بوم‌شناسی، زیست‌شناسی جانوری، جانورشناسی و زیست‌شناسی محافظت (conservation biology) و شناخت رفتار جانوران استفاده کنیم.» به عقیده او با استفاده از هوش مصنوعی، مطالعه و حفظ حیات‌وحش روند بهتری خواهد یافت. این محققان با استفاده از ۳.۲ میلیون عکس جمع‌آوری شده از پروژه‌ای موسوم به Snapshot Serengeti الگوریتم بینایی کامپیوتری را آموزش داده‌اند.

 نمونه‌ای از عکسی که یک دوربین تله‌ای گرفته است. الگوریتم به درستی تعداد هشت ایمپالا را شناسایی کرده که ایستاده‌اند و در حال خوردن هستند. نمودارهای پایین عکس، پیش‌بینی‌هایی هستند که شبکه عصبی بر اساس این عکس ارائه کرده است.

 Snapshot Serengeti یک پروژه جمع‌سپاری است که در آن داوطلبان، عکس‌هایی از حیواناتی نظیر فیل‌ها، زرافه‌ها، شیر‌ها و نظایر آن‌ها را در زیستگاه‌های طبیعی‌شان گرفته و برای یک پایگاه داده ارسال می‌کنند. بیش از ۵۰هزار نفر با ۲۲۵ دوربین تله‌ای در این پروژه همکاری دارند. این عکس‌ها به یک شبکه عصبی خورانده می‌شوند و شبکه، با متن و شماره‌، عکس‌ها را برچسب‌گذاری (به بیان بهتر حاشیه‌نویسی) می‌کند. الگوریتم می‌تواند مواردی نظیر گونه جانوری، تعداد هر گونه و نوع فعالیتی را که می‌کنند، مشخص کند. این سامانه قادر است گروهی از عکس‌هایی را که در یک بازه شش ماهه گرفته شده‌اند، طی مدت چند ساعت برچسب بزند؛ فرآیندی که برای انسان چند ماه زمان می‌برد. 

به این ترتیب می‌توان از داوطلبان در حوزه‌های دیگری استفاده کرد و نیازی نیست آن‌ها وقت خود را صرف برچسب‌زنی تصاویر کنند.