Yapay zekâ ve hayvan ekolojisi uzmanlarından oluşan bir ekip, yaban hayatı türleri üzerine araştırmaları geliştirmeyi ve yeni teknoloji sayesinde şu anda toplanan büyük miktardaki veriyi daha etkin bir şekilde kullanmayı amaçlayan yeni, disiplinler arası bir yaklaşım ortaya koydu.
Yapay zekâ ve büyük veri alanlarının gelişimi birçok farklı alandaki çalışmaların ilerlemesinde rol oynuyor. Uydular, insansız hava araçları ve hayvanlara veya çevrelerine yerleştirilen otomatik kameralar ve sensorlar gibi karasal cihazlar gibi gelişmiş teknolojiler sayesinde artık yaban hayatı popülasyonları hakkında eşi görülmemiş miktarda veri toplanıyor. Bu verilerin elde edilmesi ve paylaşılması o kadar kolay hale geldi ki, araştırmacılar için mesafeleri ve zaman gereksinimlerini kısaltırken, insanların doğal yaşam alanlarındaki rahatsız edici varlığını en aza indirdi. Günümüzde, büyük veri kümelerini analiz etmek için birçok yapay zekâ algoritması mevcuttur, ancak bunlar genellikle genelleyici yapıda olurlar. Bu yüzden, vahşi hayvanların davranışlarını ve görünümlerini tam olarak gözlemlemek için uygun değildirler.
EPFL ve diğer birkaç üniversiteden bilim insanın içinde bulunduğu ekip, vahşi hayvanlar üstüne çalışmalar yapmak amacıyla daha doğru modeller üretmek için kolları sıvadı. Yapılan çalışmalardan elde edilen bulgular ileride yapay zekanın yabani hayatın gözlemlenmesinde etkili olabileceğini gösteriyor. Yeni araştırmanın sonuçları, geliştirilen algoritmaların yaban hayatı popülasyonları hakkında daha doğru tahminler üretilmesi, hayvan davranışlarını daha iyi anlamlandırılması, kaçak avcılıkla mücadele edilmesi ve biyolojik çeşitlilikteki düşüşünün durdurulması için yararlı olabileceğini gösteriyor. Aynı zamanda geliştirilen algoritmalar ekolojistler tarafında, büyük veri setlerini kullanarak vahşi yaşam türlerini hızlı bir şekilde sınıflandırmak, bireysel hayvanları saymak ve belirli bilgileri toplamak için görüntülerden, videolardan ve diğer görsel veri biçimlerinden temel özellikleri çıkarmak için kullanılabilir. Bu tür verilerin işlenmesi çoğunlukla yapay zeka algoritmaları için sorun teşkil eder. Örneğin, veri setinin tamamı Avrupa’dan toplanmış bir algoritma Dünya üzerindeki diğer bölgelerde iyi bir performans sergileyemeyebilir.
Uzmanlar, bu konuya daha fazla araştırmacının dahil olmasını ve onların bu gelişmekte olan alanda ilerleme çabalarını sağlamak istedik. Yapay zeka, vahşi yaşam araştırmalarında ve daha geniş çevre korumada önemli bir katalizör görevi görebilir, diyor. Örneğin yazılımcılar, belirli bir türü tanımak üzere eğitilmiş bir algoritmanın daha iyi performans göstermesini istiyorlarsa, hayvan ekolojistlerinin bilgisinden yararlanabilmeleri gerekir. Bu uzmanlar, bir türün belirli bir enlemde hayatta kalıp kalamayacağını, başka bir türün hayatta kalması için çok önemli olup olmadığını (örneğin, bir avcı-av ilişkisi yoluyla) veya fizyolojik özelliklerini belirleyebilirler. Bu şekilde algoritmalar desteklenebilir. Örneğin, bir hayvanı otomatik olarak tanımlamak için yeni makine öğrenimi algoritmaları kullanılabilir.
Bilim insanları, son iki yılda çeşitli konferanslarda araştırma zorluklarını tartışırken, bilgisayarla görme ve ekoloji arasında daha güçlü bağlantılar kurma fikri ortaya çıktı. Bu tür bir iş birliğinin, belirli vahşi yaşam türlerinin neslinin tükenmesini önlemede son derece yararlı olabileceğini buldular. Bu yönde şimdiden bir avuç girişim başlatıldı. Örneğin, bir ekip araştırmacı, drone görüntülerine dayalı olarak hayvan türlerini tanıyabilen bir program geliştirdi. Bu program, yakın zamanda bir fok popülasyonu üzerinde test edildi. Bu arada başka bir ekip, bilim insanlarının hayvan pozlarını dikkate değer bir doğrulukla tahmin etmelerini ve izlemelerini sağlayan DeepLabCut adlı açık kaynaklı bir yazılım paketini tanıttı. Bu paket laboratuvar hayvanları için tasarlanmış olsa da doğal alanlarında yaşayan canlılar için de kullanılabilir nitelikte. Bu çalışmalar gösteriyor ki yapay zeka, hem ekolojik çalışmaların gelişimini hızlandıracak hem de doğal hayatın korunmasına katkıda bulunacak.
Kaynakça
Tuia, Devis, et al. “Perspectives in Machine Learning for Wildlife Conservation.” Nature Communications, vol. 13, no. 1, 2022, https://doi.org/10.1038/s41467-022-27980-y.
