Ed Miller ve Mary Nguyen, gündüzleri Silikon Vadisi yazılım geliştiricileridir, ancak alışılmadık derecede bulanık bir sorunu çözmede ay ışığı vardır.
Birkaç yıl önce çift, çoğumuz gibi, Katmai Ulusal Parkı’ndan boz ayılar yayınlayan bir Alaska web kamerası tarafından büyülendi. Ayrıca makine öğrenimi uzmanlıklarını geliştirmek için bir proje arıyorlardı.
“Makine öğreniminin insanları tanımlamada gerçekten harika olduğunu düşündük, ayılar için ne yapabilir?” Bay Miller dedi. Yüz tanıma için kullanılan yapay zeka, bir ayı yüzünü diğerinden ayırt etmek için kullanılabilir mi?
Kanada, British Columbia’daki Knight Inlet’te Melanie Clapham aynı soruyu düşünüyordu. Raincoast Conservation Foundation’dan Chris Darimont ile birlikte çalışan Victoria Üniversitesi’nde doktora sonrası araştırmacı olan Dr. Clapham, boz ayı çalışmalarına yardımcı olarak yüz tanıma teknolojisini keşfetmeye hevesliydi. Ancak uzmanlığı AI
değil, ayı biyolojisiydi. Bay Miller ve Bayan Nguyen, becerilerini birleştirerek, sonunda meyve verecek olan bu tutku projesi için birkaç yıl boyunca gönüllü olarak boş zamanlarını harcadılar ve deneylerinin sonuçlarını geçen hafta Ecology and Evolution dergisinde bildirdiler. Ürettikleri proje BearID, korumacıların dünyanın çeşitli yerlerindeki ayı popülasyonlarının sağlığını izlemelerine ve belki de diğer hayvanlarla çalışmaya da yardımcı olabilir.
Derin öğrenme tedavisi görmüş diğer hayvanları aramaya başladılar.
“Tipik mühendislik tarzında, her zaman bir kısayol ararız” dedi Bay Miller.
Fotoğraflarda köpeklerin yüzlerini, gözlerini ve burunlarını bulan ve üzerlerine çerçeveli gözlük ve bıyık yerleştiren bir program olan “dog hipsterizer”ı keşfettiler. Bayan Nguyen, “İşte başladığımız yer burasıydı,” dedi.
Köpekler üzerinde eğitilmiş olmasına rağmen, köpek hipsterizeri, ayıların benzer şekilli yüzlerinde oldukça iyi çalıştı ve onlara bir programlama avantajı sağladı. Yine de Bayan Nguyen, çalışmanın ilk aşamalarının sıkıcı olduğunu söyledi. Derin öğrenme programı için bir eğitim veri seti oluşturmak, içinde ayılar olan 4.000’den fazla fotoğrafın incelenmesini ve ardından programın bu özellikleri bulmayı öğrenebilmesi için her ayının gözlerini, burnunu ve kulaklarını etraflarına kutular çizerek manuel olarak vurgulamayı içeriyordu.
Sistemin ayrıca boz ayıların fiziksel görünümüyle ilgili bir zorluğun da üstesinden gelmesi gerekiyordu.
Popülasyonları izlemek için “bireyleri tanıyabilmemiz gerekiyor” dedi Dr. Clapham. Ancak ayıların zebra çizgileri veya zürafa lekeleri gibi parmak iziyle karşılaştırılabilecek hiçbir özelliği yoktur.
DSLR fotoğraflarındaki 4.675 tam etiketli ayı yüzünden, araştırma ve ayı görüntülemeden alınmıştır Brooks River, Ala. ve Knight Inlet’teki sitelerde, görüntüleri rastgele eğitim ve test veri kümelerine böldüler. Dr. Clapham, 935 fotoğraftan bilinen ayılar arasındaki farkları ne kadar iyi tespit edebileceğini görmek için, 3.740 ayı yüzünden eğitildikten sonra, derin öğrenme “denetimsiz” olarak çalışmaya başladı.
İlk olarak, derin öğrenme algoritması gözler, burun ucu, kulaklar ve alın üstü gibi ayırt edici işaretler kullanarak ayı yüzünü bulur. Ardından uygulama, yüz özelliklerini çıkarmak, kodlamak ve sınıflandırmak için yüzü döndürür.
Sistem, Lucky, Toffee, Flora ve Steve gibi bilinen ayıları doğru bir şekilde ayırt ederek, ayıları yüzde 84 doğruluk oranında tanımladı.
Ama aslında bu ayıları nasıl ayırt ediyor? Almanya’daki Fraunhofer Dijital Medya Teknolojisi Enstitüsü’nde araştırma mühendisi olan Alexander Loos, derin öğrenme çağından önce, “insanların yüzleri nasıl algıladığını ve bireyleri nasıl ayırt ettiğimizi hayal etmeye çalıştık” dedi. geçmişte Dr. Clapham ile işbirliği yaptı. Programcılar, yüz tanımlayıcılarını bir bilgisayara manuel olarak girerdi.
Ancak derin öğrenme ile programcılar, görüntüleri, bireyleri en iyi nasıl tanımlayacaklarını bulan bir sinir ağına girer. Dr. Loos, “Ağın kendisi özellikleri çıkarır,” dedi ve bu büyük bir avantaj.
Ayrıca, “Bu temelde bir kara kutu. Ne yaptığını bilmiyorsunuz” ve incelenen veri seti kasıtsız olarak önyargılıysa, bazı hataların ortaya çıkabileceğini söylüyor.
Örneğin, bazı ayılar karanlık koşullarda olduğundan daha sık ışıkta fotoğraflanırsa, ışık farkı ayıların yanlış sınıflandırılmasına neden olabilir. (Veri yanlılığı, yapay zeka tarafından insan yüz tanımasında bir sorun olabilir ve yanlış tanımlamaların renkli insanlar için daha olası olduğu bilinmektedir).
BearID gerçekten ne yapıyorsa yapsın, birçok Knight Inlet ayısını görmeden tanıyan Dr. Clapham, programın yetersiz kaldığı nokta karşısında şaşırdı ve cesaretlendi.
Sinir ağı bu iki ayıyı birbirinden ayırmanın kendi yollarını bulur. Kredi Kredisi. ..Melanie Clapham
“Karıştırdığım ayılar, ağ da karıştı” diyerek uygulamanın beynindeki sinir ağına benzer şekilde davrandığını öne sürdü. Ancak, BearID’nin bu ilk sürümü sadece bir başlangıç. Açık kaynak uygulamasının daha fazla girdi, kullanım ve zamanla daha doğru olmasını umuyor.
Uygulama, onlarca yıldır boz ayı turları düzenleyen Glendale Koyu’ndaki Knight Inlet Lodge ve şu anki sahibi Nanwakolas üyesi First Nations of Canada için büyük ilgi görüyor.
Nanwakolas Konseyi başkanı ve Tlowitsis Nation’ın bir üyesi olan Kikaxklalagee / Dallas Smith, “On beş yıl önce arazi kullanım planlaması yapmaya başladığımızda, tüm eyalet için yalnızca bir eyalet ayı sağlığı uzmanı vardı” dedi. . Bu, Milletlerin topraklarındaki ayıların sağlığına ilişkin anlayışını engelledi. Bu “Jason Bourne-ish” teknolojisinin ayıların daha bilinçli yönetimine izin vereceğinden heyecan duyduğunu söyledi. “Sürdürülebilir, sınırlı ayak izi operasyonu yapmaya çalışıyoruz.”
Ve Dr. Clapham, onu tembel ayılar, güneş ayıları ve Asya ayıları gibi türler ve ayrıca kurtlar için kullanmaya hevesli olan başkalarıyla görüşme halinde olduğundan, BearID Kuzey Amerika ayılarıyla sınırlı kalmayabilir.
“Bir gün insanların kamera kapanı görüntüleri yükleyebilecekleri bir yerimiz olması ve sistemin size yalnızca hangi türlere sahip olduğunuzu söylememesidir. gördün, ama aynı zamanda gördüğün birey” ve belki de cinsiyeti ve yaşı, dedi.
