Поиск решений для улучшения повторной идентификации черепах и поддержка проектов машинного обучения в Африке
Защита окружающих нас экосистем имеет решающее значение для защиты будущего нашей планеты и всех ее жителей. К счастью, новые системы искусственного интеллекта (ИИ) добиваются успехов в природоохранных мероприятиях по всему миру, помогая решать сложные проблемы в масштабах — от изучения поведения сообществ животных в Серенгети для сохранения уменьшающейся экосистемы до обнаружения браконьеров и их раненых жертв для предотвращения вымирающие виды.
В рамках нашей миссии по оказанию помощи человечеству с помощью технологий, которые мы разрабатываем, важно, чтобы различные группы людей создавали системы искусственного интеллекта будущего, чтобы они были справедливыми и справедливыми. Это включает в себя расширение сообщества машинного обучения (ML) и привлечение более широкой аудитории к решению важных проблем с использованием ИИ.
В ходе расследования мы наткнулись на Zindi — преданного партнера с дополнительными целями, который является крупнейшим сообществом африканских специалистов по данным и проводит соревнования, направленные на решение самых насущных проблем Африки.
Команда нашей научной группы по разнообразию, справедливости и инклюзивности (DE&I) работала с Zindi, чтобы определить научную задачу, которая могла бы помочь в продвижении усилий по сохранению и расширении участия в ИИ. Вдохновившись испытанием Zindi с черепахой в ограничивающем прямоугольнике, мы остановились на проекте с потенциалом реального воздействия: распознавание лица черепахи.
Биологи считают черепах видом-индикатором. Это классы организмов, поведение которых помогает ученым понять основное благополучие их экосистемы. Например, присутствие выдр в реках считалось признаком чистой и здоровой реки, поскольку запрет на использование хлорных пестицидов в 1970-х годах вернул этот вид на грань исчезновения.
Черепахи – еще один такой вид. Выпасая заросли водорослей, они культивируют экосистему, обеспечивая среду обитания для многочисленных рыб и ракообразных. Традиционно биологи идентифицировали и отслеживали отдельных черепах с помощью физических меток, хотя частая потеря или эрозия этих меток в морской воде сделала этот метод ненадежным. Чтобы помочь решить некоторые из этих проблем, мы запустили задачу машинного обучения под названием Turtle Recall.
Учитывая дополнительную проблему, заключающуюся в том, чтобы удерживать черепаху достаточно неподвижно, чтобы найти ее метку, задача Turtle Recall была направлена на то, чтобы обойти эти проблемы с помощью распознавания лица черепахи. Это возможно, потому что рисунок чешуи на морде черепахи уникален для каждого человека и остается неизменным на протяжении их многолетней жизни.
Задача была направлена на повышение надежности и скорости повторной идентификации черепах и потенциально предлагала способ полностью заменить использование неудобных физических меток. Чтобы сделать это возможным, нам нужен был набор данных для работы. К счастью, после предыдущего испытания Зинди, основанного на черепахах, с кенийской благотворительной организацией Local Ocean Conservation, команды любезно смогли поделиться набором данных с помеченными изображениями черепашьих морд.
Конкурс стартовал в ноябре 2021 года и продлился пять месяцев. Чтобы поощрить участие конкурентов, команда внедрила блокнот colab, среду программирования в браузере, которая представила два общих инструмента программирования: JAX и Haiku.
Участникам было поручено загрузить данные испытаний и обучающие модели, чтобы максимально точно предсказать личность черепахи по фотографии, сделанной под определенным углом. Представив свои прогнозы на основе данных, скрытых от модели, они смогли посетить общедоступную таблицу лидеров, отслеживая прогресс каждого участника.
Участие сообщества было невероятно позитивным, как и технические инновации, продемонстрированные командами во время испытания. В ходе конкурса мы получили заявки от самых разных энтузиастов ИИ из 13 разных африканских стран, включая страны, которые традиционно не были широко представлены на крупнейших конференциях по машинному обучению, таких как Гана и Бенин.
Наши партнеры по сохранению черепах указали, что уровень точности прогнозов участников будет немедленно полезен для идентификации черепах в полевых условиях, а это означает, что эти модели могут оказать реальное и непосредственное влияние на охрану дикой природы.
В рамках непрекращающихся усилий Zindi по поддержке проблем, связанных с изменением климата, они также работают над классификацией аудио на суахили в Кении, чтобы помочь службам перевода и экстренной помощи, а также прогнозируют качество воздуха в Уганде для улучшения социального благосостояния.
Мы благодарны Zindi за их партнерство, а также всем тем, кто вложил свое время в задачу «Вспомнить черепаху» и в растущую область ИИ для сохранения. И мы с нетерпением ждем возможности увидеть, как люди во всем мире продолжают находить способы применения технологий искусственного интеллекта для построения здорового и устойчивого будущего для планеты.
Узнайте больше о Turtle Recall в блоге Zindi и узнайте о Zindi на https://zindi.africa/