Fri. Feb 3rd, 2023

인공 지능과 빅 데이터는 야생 동물 보호에 도움이 된다

동물생태학 분야가 빅데이터와 사물인터넷 시대에 접어들었습니다. 

인공위성, 드론, 자동카메라와 자동센서 등의 지상기기 같은 고도의 기술 덕분에 

야생동물 개체군과 관련된 전례 없는 양의 데이터가 수집되고 있습니다. 

이러한 데이터는 취득과 공유가 매우 용이해져, 연구자의 거리와 시간 요건이 단축되어 

자연 서식지에 있어서의 인간 존재의 혼란을 최소한으로 억제했습니다. 

https://fulltack101house.portfoliobox.net/portfolio

오늘날 대규모 데이터셋을 분석하기 위해 다양한 AI 프로그램을 이용할 수 있지만

자연계에서는 일반적이어서 야생동물의 정확한 행동과 외모를 관찰하는 데

적합하지 않은 경우가 많습니다. 

로잔연방공과대학(EPFL) 및 타 대학 과학자 팀은 컴퓨터 비전의 진보와 

생태학자들의 전문 지식을 결합함으로써 이 문제를 해결하고 보다 

정확한 모델을 개발하기 위한 선구적인 접근 방식의 개요를 설명하였습니다. 

오늘날 네이처 커뮤니케이션에 게재된 이들의 발견은 야생 생물종 보존에 도움이 되는 

AI 사용에 대한 새로운 관점을 열 것입니다.

https://fulltack101house.portfoliobox.net/reference

학제적 노하우 구축

야생 동물 연구는 지역의 세계로 확산되고 있습니다. 

현대 기술은 현재 야생 동물의 개체 수를 보다 정확히 추정하고 동물의 행동을 

더 잘 이해하고 밀렵과 퇴치하고, 생물 다양성의 감소를 막는 혁신적인 새로운 방법을 제공하고 있습니다. 

생태학자는 AI, 보다 구체적으로는 컴퓨터 비전을 사용하여 야생 생물 종류를 

신속하게 분류하고, 개별의 동물을 카운트하고 특정 정보를 수집할 수 있습니다.

화상, 비디오 및 기타 시각적인 형식의 데이터에서 주요 특징을 추출할 수 있습니다. 

이런 데이터를 처리하려면 현재 사용되는 범용 프로그램은 종종 블랙박스처럼 작동하며, 

동물권에 관한 기존의 지식의 전 범위를 활용하지 않습니다. 

이어 커스터마이즈가 어려운 때에는 품질 관리의 부족에 시달리며 

민감한 데이터 사용과 관련이 된 윤리적 문제의 대상이 될 수 있습니다. 

그들은 또한 여러가지 편향, 특히 지역 편향이 있습니다.

예를 들어 특정 프로그램 훈련에 사용되는 모든 데이터가 유럽에서 수집된 경우, 

그 프로그램은 다른 세계의 지역에 적합하지 않았을 가능성이 있습니다.

책임자인 Devis Tuia 교수는 “우리는 이 주제에 더 많은 연구자가 관심을 갖게 하고 

이 새로운 분야에서 앞으로 나아가기 위해 노력을 쏟고 싶었습니다. 

AI는 야생 동물 연구 및 환경 보호에서 더 광범위하게 핵심 촉매 역할을 할 수 있습니다” 라고 말했습니다. 

EPFL의 환경 계산 과학 및 지구 관측 연구소의이자 이 연구의 주 저자입니다. 

예를 들어 컴퓨터 과학자가 특정 종을 인식하도록 훈련된 AI 프로그램의 

오차 한계를 줄이려면 동물 생태학자의 지식을 활용할 수 있어야 합니다. 

이 전문가들은 어떤 종이 ​​특정 위도에서 생존할 수 있는지 여부와 

같은 프로그램에 포함되어야 하는 특성을 지정할 수 있습니다. 

https://sites.google.com/view/powerballplatform

다른 종의 생존(예: 포식자-피식자 관계를 통해) 또는 종의 생리가 일생 동안 

변화하는지 여부에 결정적입니다. 

예를 들어, 새로운 기계 학습 알고리즘을 사용하여 동물을 자동으로 식별할 수 있습니다. 

얼룩말의 독특한 줄무늬 패턴을 사용하거나 비디오에서 그들의 움직임 역학은 

정체성의 서명이 될 수 있습니다.”라고

EPFL의 Bertarelli Foundation 통합 신경과학 의장이자 이 연구의 공동 저자인 

Prof. Mackenzie Mathis는 말했습니다. 

생태학과 기계 학습의 결합이 핵심입니다. 

현장 생물학자는 연구 대상 동물에 대한 방대한 영역 지식을 가지고 있으며 

기계 학습 연구원으로서 우리는 그들과 협력하여 솔루션을 찾기 위한 도구를 

구축하는 것입니다.

새로운 기계 학습 알고리즘을 사용하여 동물을 자동으로 식별할 수 있습니다. 

얼룩말의 독특한 줄무늬 패턴을 사용하거나 비디오에서 그들의 움직임 역학은 

정체성의 서명이 될 수 있습니다.”라고 

EPFL의 Bertarelli Foundation 통합 신경과학 의장이자 이 연구의 공동 저자인 

Prof. Mackenzie Mathis는 말했습니다.

기존 이니셔티브에 대한 정보 전달

투아, Mathis 등이 지난 2년간 다양한 회의에서 연구과제를 논의하면서 컴퓨터 비전과 

생태학 사이에 보다 강한 유대를 쌓자는 아이디어가 떠올랐습니다. 

그들은 이러한 협력이 특정 야생 생물 종의 멸종을 막는 데 

매우 도움이 될 것임을 발견했습니다. 

이미 몇몇 이니셔티브는 이런 방향으로 전개되고 있습니다. 

그 일부는 네이쳐 커뮤니케이션의 기사에 게재되고 있습니다. 

예를 들어 투아와 그의 EPFL팀은 드론 이미지를 바탕으로 동물종을 인식할 수 있는

프로그램을 개발했습니다. 

그것은 최근 바다표범 개체군에서 테스트되었습니다. 

한편 마티즈 씨와 동료들은 과학자들이 동물의 자세를 놀라울 정도로 정확하게 

추정하고 추적할 수 있는 오픈 소스 소프트웨어 패키지 ‘딥 랩 컷’을 발표했습니다. 

벌써 30만건의 다운을 받았으며 딥랩컷은 실험동물을 위해 설계됐지만 

다른 종에도 사용될 수 있습니다. 

다른 대학의 연구자들도 프로그램을 개발했지만 이 지역에는 아직 실제 커뮤니티가 

형성되지 않아 이들이 발견한 것을 공유하기는 어렵습니다. 

다른 과학자들은 이런 프로그램이 존재하는지, 

어떤 프로그램이 그들이 특정 연구에 가장 적합한지를 자주 말하고 있습니다.

Leave a Reply