AI வனவுயிர் எண்ணிக்கை: யூகமின்றி வான்வழி ஆய்வு

ஒரு நகரும் விமானத்தில் ஒரு மனித கண்காணிப்பாளர் ஒவ்வொரு 10 யானைகளில் தோராயமாக 1 யானையைத் தவறவிடுகிறார். அல்காரிதம் சோர்வடையாது.

வனவுயிர் மக்கள்தொகை ஆய்வுகள் பாதுகாப்பின் முதுகெலும்பு. ஒவ்வொரு மேலாண்மை முடிவும், வேட்டையாடல்-எதிர்ப்பு ரோந்து வழிகளிலிருந்து வாழிடப் பாதுகாப்பு பட்ஜெட்கள் வரை, எத்தனை விலங்குகள் அங்கு உள்ளன என்பதை அறிவதைச் சார்ந்தது. பல தசாப்தங்களாக நிலையான முறை ஒன்றே: நிலப்பரப்பின் மேல் தாழ்வாகப் பறந்து, நீங்கள் பார்ப்பதை எண்ணுங்கள். பிரச்சனை என்னவென்றால், நகரும் விமானத்தில் மனிதக் கண்கள் இந்த வேலையில் மிகவும் நன்றாகச் செயல்படுவதில்லை.

பாரம்பரிய வான்வழி ஆய்வு மற்றும் அதன் வரம்புகள்

ஒரு வழக்கமான வனவுயிர் ஆய்வு இவ்வாறு செயல்படுகிறது: பயிற்சி பெற்ற கண்காணிப்பாளர்கள் தாழ்வாகப் பறக்கும் விமானத்திலிருந்து (பொதுவாக தரையிலிருந்து 60 முதல் 100 மீட்டர் உயரத்தில்) வெளியே சாய்ந்து, இரு பக்கங்களிலும் ஒரு வரையறுக்கப்பட்ட பட்டையில் விலங்குகளை எண்ணுகின்றனர். அவர்கள் இனங்கள், குழு அளவுகள் மற்றும் இடங்களைக் காகிதத்தில் அல்லது குரல் பதிவியில் பதிவு செய்கின்றனர், பெரும்பாலும் ஒரே நேரத்தில் 6 முதல் 8 மணி நேரம்.

சிக்கல்கள் நன்கு ஆவணப்படுத்தப்பட்டவை. கண்காணிப்பாளரின் சோர்வு முதல் மணி நேரத்திற்குப் பிறகே தொடங்குகிறது, துல்லியம் தொடர்ந்து குறைகிறது. ஒரே டிரான்செக்டை எண்ணும் வெவ்வேறு கண்காணிப்பாளர்கள் வழக்கமாக 10 முதல் 30% வேறுபடும் எண்ணிக்கைகளை அளிக்கின்றனர். நிழலில், புதர்களுக்குப் பின்னால் அல்லது புள்ளிகள் நிறைந்த காட்டில் உள்ள விலங்குகள் அடிக்கடி தவறவிடப்படுகின்றன. வானிலை, கொந்தளிப்பு மற்றும் உயரம் கூடுதல் மாறுபாட்டை அறிமுகப்படுத்துகின்றன. மேலும், விமானங்கள் தாமே விலையுயர்ந்தவை மற்றும் ஆபத்தானவை: குறைந்த உயர ஆய்வு பறப்பு பாதுகாப்பில் மிகவும் ஆபத்தான செயல்பாடுகளில் ஒன்று.

AI எண்ணிக்கையை எப்படி மாற்றுகிறது

AI-உதவி பெற்ற வான்வழி ஆய்வுகள் பணிப்பாய்வை தலைகீழாக மாற்றுகின்றன. நிகழ்நேரத்தில் விலங்குகளைக் கண்டுபிடித்து எண்ண மனித கண்காணிப்பாளர்களை நம்புவதற்குப் பதிலாக, விமானம் (அல்லது ட்ரோன்) முழு ஆய்வுப் பகுதியின் உயர் தெளிவுத்திறன் புகைப்படங்களை எடுக்கிறது. தரையில் திரும்பிய பின், ஒரு கண்டறிதல் மாதிரி ஒவ்வொரு படத்தையும் ஸ்கேன் செய்து, கண்டறியும் ஒவ்வொரு விலங்கையும் குறிக்கிறது.

கண்டறிதல் மாதிரி, பொதுவாக RetinaNet போன்ற கான்வொல்யூஷனல் நியூரல் நெட்வொர்க், படங்களை ஒரே பாஸில் செயலாக்குகிறது. இது வடிவம், அளவு மற்றும் பின்னணிக்கு எதிரான மாறுபாடு மூலம் விலங்குகளை அடையாளம் காண்கிறது, பின்னர் ஒவ்வொரு கண்டறிதலிலும் நம்பிக்கை மதிப்பெண்ணுடன் ஒரு குறிப்பான் வைக்கிறது. ஒரு மனித மதிப்பாய்வாளர் குறிக்கப்பட்ட படங்கள் மற்றும் எல்லை நிலைகளைச் சரிபார்க்கிறார், ஆனால் பெரும்பாலான எண்ணிக்கை தானாகவே கையாளப்படுகிறது.

வாகெனிங்கன் பல்கலைக்கழகத்தின் விலங்கு மக்கள்தொகை ஆய்வுகளில் வெளியிடப்பட்ட ஆராய்ச்சி, RetinaNet நிபுணர் மனித சிறுகுறிப்புடன் ஒப்பிடும்போது 95% யானைகள், 91% ஒட்டகச்சிவிங்கிகள் மற்றும் 90% வரிக்குதிரைகளைக் கண்டறிந்ததாகக் கண்டறிந்தது, அதே நேரத்தில் மனித சிறுகுறிப்பாளர்கள் முழுமையாகத் தவறவிட்ட கூடுதல் 2.8 முதல் 4.0% விலங்குகளை சரியாக அடையாளம் கண்டது. மாதிரி ஒரு உண்மையான கண்டறிதலுக்கு 1.6 முதல் 5.0 தவறான நேர்மறைகளை மட்டுமே உருவாக்கியது.

எந்த இனங்கள் சிறப்பாகச் செயல்படுகின்றன

ஒவ்வொரு இனத்தையும் வான்வழியாக AI மூலம் எண்ணுவது சமமாக எளிதல்ல. சிறந்த முடிவுகள் பெரிய, தனித்துவமான நிறமுள்ள, திறந்த வாழிடங்களில் காணப்படும் விலங்குகளிடமிருந்து வருகின்றன.

தணிக்கை செய்யும் திறனின் நன்மை

புகைப்பட அடிப்படையிலான ஆய்வுகளின் மிகவும் குறைவாக மதிக்கப்படும் நன்மைகளில் ஒன்று நிரந்தரம். ஒரு பாரம்பரிய கண்காணிப்பாளர் எண்ணிக்கை கிளிப்போர்டில் ஒரு எண். பறப்புக்குப் பிறகு இதை மறுபரிசோதனை செய்யவோ, சவால் செய்யவோ, மேம்படுத்தவோ முடியாது.

ஒரு புகைப்படம் நிரந்தர சான்று. AI ஆய்வின் போது எடுக்கப்பட்ட ஒவ்வொரு படத்தையும் காப்பகப்படுத்தலாம், வெவ்வேறு மதிப்பாய்வாளர்களால் மீண்டும் ஆய்வு செய்யலாம், மேம்படுத்தப்பட்ட அல்காரிதங்களால் ஆண்டுகள் கழித்து மீண்டும் செயலாக்கலாம். புதிய மாதிரி கடந்த ஆண்டை விட 5% துல்லியமாக இருந்தால், கடந்த ஆண்டின் படங்களில் இயக்கி மீண்டும் பறக்காமல் சிறந்த வரலாற்று மதிப்பீட்டைப் பெறலாம்.

இது காலப்போக்கில் மேம்படும் வளர்ந்து வரும் தரவுத்தொகுப்பை உருவாக்குகிறது. Wild Me போன்ற பாதுகாப்பு அமைப்புகள் திறந்த மூல தளங்களை (Scout போன்றவை) உருவாக்கியுள்ளன, இவை உலகெங்கிலும் உள்ள ஆராய்ச்சியாளர்களுக்கு வான்வழிப் படங்களை பங்களிக்கவும் மீண்டும் பகுப்பாய்வு செய்யவும் அனுமதிக்கின்றன. புகைப்படமே அறிவியல் பதிவாகிறது, அதிலிருந்து பெறப்பட்ட எண்ணிக்கை அல்ல.

AI எண்ணிக்கை இன்னும் சிரமப்படும் இடங்கள்

AI வான்வழி எண்ணிக்கை சக்திவாய்ந்தது ஆனால் உலகளாவியது அல்ல. பல நிலைமைகள் உண்மையிலேயே கடினமாக உள்ளன.

• அடர்த்தியான தாவரங்கள் - அடர்ந்த மர விதானத்தின் கீழ் உள்ள விலங்குகள் நிலையான கேமராக்களுக்கு கண்ணுக்குத் தெரியாது. காட்டு யானைகள் மற்றும் குரங்கினங்களை வான்வழியாக ஆய்வு செய்வது இன்னும் கடினம்.
• இரவு நேர இனங்கள் - இரவில் மட்டும் செயல்படும் உயிரினங்களுக்கு வெப்ப அல்லது அகச்சிவப்பு படமாக்கல் தேவை, இது பகல் நேர RGB கேமராக்களை விட குறைந்த இடஞ்சார்ந்த தெளிவுத்திறனைக் கொண்டுள்ளது.
• மேற்பரப்புக்கு கீழே உள்ள நீர்வாழ் விலங்குகள் - நீருக்கு அடியில் உள்ள கடல் இனங்கள், டால்பின்கள் அல்லது மீன்கள் போன்றவை, வான்வழிப் புகைப்படங்களிலிருந்து நம்பகமாகக் கண்டறிய இயலாது.
• சிறிய அல்லது உருமறைப்பு இனங்கள் - உலர்ந்த புல்லில் முயல்கள் போன்ற, தங்கள் சூழலில் கலந்துவிடும் விலங்குகள், கண்டறிதல் மாதிரிகளை அவற்றின் எல்லைகளுக்குத் தள்ளுகின்றன.
• தீவிர வானிலை - மேக மூட்டம், மழை மற்றும் கடும் காற்று பட தரத்தைக் குறைக்கின்றன, ட்ரோன் மற்றும் விமான நடவடிக்கைகளை முழுமையாக நிறுத்தக்கூடும்.

AI வனவுயிர் எண்ணிக்கையை எப்படி தொடங்குவது

முடிவுரை

வனவுயிர் பாதுகாப்பு துல்லியமான மக்கள்தொகை தரவைச் சார்ந்தது, பல தசாப்தங்களாக கிடைத்த சிறந்த கருவி சத்தமான விமானத்தில் ஒரு சோர்வுற்ற கண்காணிப்பாளர் ஆவார். AI-இயக்கும் வான்வழி எண்ணிக்கை பாதுகாப்பில் மனித நிபுணத்துவத்தை மாற்றாது, ஆனால் செயல்முறையிலிருந்து கைமுறை எண்ணிக்கையின் தடையை நீக்குகிறது.

அடுத்த முறை ஒரு சரணாலயத்திற்கு மக்கள்தொகை மதிப்பீடு தேவைப்படும்போது, மிகத் துல்லியமான பதில் கேமராவிலிருந்து வரும், கிளிப்போர்டிலிருந்து அல்ல. கிளிப்போர்டைப் போலல்லாமல், புகைப்படங்கள் ஒரு தசாப்தம் கழித்தும் பயனுள்ளதாக இருக்கும்.