15:28 2023-03-24
science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu
_ Oamenii de știință folosesc învățarea automată pentru a prognoza migrația păsărilor și pentru a identifica păsările în zbor după apelurile lor
_ Oamenii de știință folosesc învățarea automată pentru a prognoza păsările migrarea și identificarea păsărilor în zbor prin apelurile lor
Cu chatbot-uri precum ChatGPT care fac zgomot, învățarea automată joacă un rol din ce în ce mai important în viața noastră. Pentru mulți dintre noi, a fost un sac amestecat. Ne bucurăm când lista noastră de redare Spotify For You ne găsește un nou blocaj, dar gemu în timp ce parcurgem o mulțime de reclame direcționate pe feedurile noastre Instagram.
Învățarea automată schimbă, de asemenea, multe domenii care pot părea surprinzătoare. Un exemplu este disciplina mea, ornitologia - studiul păsărilor. Nu este doar rezolvarea unora dintre cele mai mari provocări asociate studierii migrației păsărilor; mai larg, învățarea automată extinde modurile în care oamenii se implică cu păsările. Pe măsură ce migrația de primăvară crește, iată o privire asupra modului în care învățarea automată influențează modalitățile de cercetare a păsărilor și, în cele din urmă, de a le proteja.
Majoritatea păsărilor din emisfera vestică migrează de două ori pe an, zburând peste continente întregi între zonele lor de înmulțire și neînmulțire. Deși aceste călătorii sunt uluitoare, ele expun păsările la multe pericole pe traseu, inclusiv vreme extremă, penurie de alimente și poluare luminoasă, care pot atrage păsările și le pot face să se ciocnească de clădiri.
Abilitatea noastră de a proteja migratorii migratori. păsările sunt la fel de bune ca știința care ne spune unde merg. Și acea știință a parcurs un drum lung.
În 1920, U.S. Geological Survey a lansat Laboratorul de benzi de păsări, în fruntea unui efort de a pune benzi cu markere unice pe păsări, apoi recaptură păsările în locuri noi de imaginat. acolo unde au călătorit. Astăzi, cercetătorii pot implementa o varietate de etichete ușoare de urmărire pe păsări pentru a le descoperi rutele de migrație. Aceste instrumente au descoperit tiparele spațiale ale locului și când migrează păsările din multe specii.
Cu toate acestea, urmărirea păsărilor are limitări. În primul rând, peste 4 miliarde de păsări migrează pe continent în fiecare an. Chiar și cu echipamente din ce în ce mai accesibile, numărul de păsări pe care le urmărim este o picătură în găleată. Și chiar și în cadrul unei specii, comportamentul migrator poate varia în funcție de sexe sau populații.
În plus, datele de urmărire ne spun unde au fost păsările, dar nu ne spune neapărat unde se îndreaptă. Migrația este dinamică, iar climatele și peisajele prin care zboară păsările sunt în continuă schimbare. Asta înseamnă că este esențial să le poți prezice mișcările.
Aici intervine învățarea automată. Învățarea automată este un subdomeniu al inteligenței artificiale care oferă computerelor capacitatea de a învăța sarcini sau asocieri fără a fi programate în mod explicit. Îl folosim pentru a antrena algoritmi care abordează diverse sarcini, de la prognoza vremii până la prezicerea supărărilor din Martie.
Dar aplicarea învățării automate necesită date – și cu cât mai multe date, cu atât mai bine. Din fericire, oamenii de știință au compilat din neatenție zeci de ani de date despre păsările migratoare prin sistemul de radar meteorologic de generație următoare. Această rețea, cunoscută sub numele de NEXRAD, este folosită pentru a măsura dinamica vremii și pentru a ajuta la prezicerea evenimentelor meteorologice viitoare, dar preia și semnalele de la păsări în timp ce zboară prin atmosferă.
BirdCast este un proiect de colaborare al statului Colorado. Universitatea, Cornell Lab of Ornitology și Universitatea din Massachusetts, care încearcă să utilizeze aceste date pentru a cuantifica migrația păsărilor. Învățarea automată este esențială pentru operațiunile sale. Cercetătorii știu încă din anii 1940 că păsările apar pe radarul meteo, dar pentru a face aceste date utile, trebuie să îndepărtăm dezordinea nonaviară și să identificăm ce scanări conțin mișcarea păsărilor.
Acest proces ar fi minuțios manual, dar prin antrenarea algoritmilor pentru a identifica activitatea păsărilor, am automatizat acest proces și am deblocat zeci de ani de date despre migrație. Iar învățarea automată permite echipei BirdCast să ducă lucrurile mai departe: prin antrenarea unui algoritm pentru a afla ce condiții atmosferice sunt asociate cu migrarea, putem folosi condițiile prezise pentru a produce previziuni ale migrației în SUA continentale.
BirdCast a început să difuzeze aceste prognoze în 2018 și a devenit un instrument popular în comunitatea de păsări. Mulți utilizatori pot recunoaște că datele radar ajută la producerea acestor prognoze, dar mai puțini își dau seama că este un produs al învățării automate.
În prezent, aceste prognoze nu ne pot spune ce specii sunt în aer, dar acest lucru s-ar putea schimba . Anul trecut, cercetătorii de la Cornell Lab of Ornithology au publicat un sistem automat care utilizează învățarea automată pentru a detecta și identifica apelurile de zbor nocturne. Acestea sunt apeluri specifice speciei pe care păsările le fac în timpul migrării. Integrarea acestei abordări cu BirdCast ne-ar putea oferi o imagine mai completă a migrației.
Aceste progrese exemplifică cât de eficientă poate fi învățarea automată atunci când este ghidată de expertiza în domeniul în care este aplicată. În calitate de student doctorand, m-am alăturat Laboratorului de Aeroecologie al Universității de Stat din Colorado, cu o experiență puternică în ornitologie, dar fără experiență de învățare automată. Pe de altă parte, Ali Khalighifar, cercetător postdoctoral în laboratorul nostru, are experiență în învățarea automată, dar nu a luat niciodată o clasă de ornitologie.
Împreună, lucrăm pentru a îmbunătăți modelele care fac ca BirdCast să funcționeze, sprijinindu-ne adesea pe cunoștințele reciproce pentru a duce proiectul mai departe. Colaborarea noastră caracterizează convergența care ne permite să folosim eficient învățarea automată.
Învățarea automată ajută, de asemenea, oamenii de știință să implice publicul în conservare. De exemplu, prognozele produse de echipa BirdCast sunt adesea folosite pentru a informa campaniile Lights Out.
Aceste inițiative urmăresc să reducă lumina artificială din orașe, care atrage păsările migratoare și crește șansele acestora de a se ciocni cu structurile construite de oameni. , cum ar fi clădiri și turnuri de comunicații. Campaniile Lights Out pot mobiliza oamenii pentru a ajuta la protejarea păsărilor prin apăsarea unui comutator.
Ca un alt exemplu, aplicația de identificare a păsărilor Merlin încearcă să creeze tehnologie care facilitează observarea păsărilor pentru toată lumea. În 2021, personalul Merlin a lansat o funcție care automatizează identificarea cântecelor și a apelurilor, permițând utilizatorilor să identifice ceea ce aud în timp real, cum ar fi o versiune ornitologică a lui Shazam.
Această funcție a deschis ușa pentru milioane de oameni să se implice cu spațiile lor naturale într-un mod nou. Învățarea automată este o mare parte din ceea ce a făcut posibilă.
„Sound ID este cel mai mare succes al nostru în ceea ce privește replicarea experienței magice de a observa păsări cu un naturalist priceput”, Grant Van Horn, cercetător la mi-a spus laboratorul de ornitologie Cornell, care a ajutat la dezvoltarea algoritmului din spatele acestei funcții.
Oportunitățile de aplicare a învățării automate în ornitologie vor crește doar. Pe măsură ce miliarde de păsări migrează peste America de Nord către zonele lor de reproducere în această primăvară, oamenii se vor implica în aceste zboruri în moduri noi, datorită proiectelor precum BirdCast și Merlin. Dar această implicare este reciprocă: datele colectate de păsări vor deschide noi oportunități pentru aplicarea învățării automate.
Computerele nu pot face singure această muncă. „Orice proiect de învățare automată de succes are o componentă umană uriașă. Acesta este motivul pentru care aceste proiecte au succes”, mi-a spus Van Horn.
Acest articol este republicat din The Conversation sub o licență Creative Commons. Citiți articolul original.
Comentarii:
Adauga Comentariu