دانشمندان دانشگاه آکسفورد مدل‌های هوش مصنوعی (AI) جدیدی را برای تشخیص رفتار شامپانزه‌ها در طبیعت توسعه داده‌اند.

بر اساس مقاله جدیدی که در Science Advances منتشر شده است، این روش به محققان و حافظان حیات وحش اجازه می دهد تا زمان و منابعی را که برای تجزیه و تحلیل رفتار حیوانات در فیلم های ویدئویی صرف می شود، کاهش دهند.

مدل کامپیوتری جدید با استفاده از ویدئوهایی از دو جمعیت شامپانزه‌های وحشی در غرب آفریقا از Bossou در گینه و پارک ملی Cantanhez در گینه‌بیسائو آموزش داده شد تا چندین رفتار را به تصویر بکشد: آجیل‌شکنی، خوردن، و طبل زدن. این ابزار اولین در نوع خود است که به طور خودکار رفتار در پستانداران وحشی را با استفاده از صدا و تصویر تشخیص می دهد و بر اساس کارهای قبلی است که روشی خودکار برای ردیابی و شناسایی افراد با استفاده از تشخیص چهره ایجاد کرده است.

مکس بین می‌گوید:"مدل‌های ما را می‌توان برای هزاران ساعت ضبط ویدیویی شامپانزه‌ها در زیستگاه طبیعی‌شان از تله‌های دوربین یا فیلم‌های آرشیوی اعمال کرد. ما از روش‌های یادگیری عمیق با شبکه‌هایی استفاده می‌کنیم که می‌توانند هم جریان صوتی و هم جریان تصویری اطلاعات را از یک ویدیو دریافت کنند، که در طبیعت بسیار مهم است، جایی که ممکن است رفتار حیوانی شنیده شود اما دیده نشود."

با استقرار گسترده پایگاه‌های داده تله دوربین و استفاده از آرشیوهای ویدئویی طولانی مدت در تحقیقات میدانی، اندازه‌گیری حجم عظیم رفتارهای حیوانات با استفاده از محققان انسانی به طور فزاینده‌ای دشوار می‌شود.

دانیل می گوید: "برای گونه هایی مانند شامپانزه ها که پیچیدگی رفتاری قابل توجهی دارند، مقایسه بین مجموعه داده های ویدئویی با استفاده از هوش مصنوعی فرصتی هیجان انگیز برای ثبت تغییرات ظریف بین گروه ها و تکامل رفتار در طول زمان در مقیاس و عمقی است که قبلا امکان پذیر نبود."

این روش با ترکیب شناسایی فردی از رویکردهای قبلی با تشخیص رفتار سمعی و بصری برای به دست آوردن بینش غنی تر از پیچیدگی زندگی حیوانات، جدید است.

بین می‌افزاید:" روش ما محدود به شامپانزه‌ها نیست و می‌توان آن را برای تشخیص هر رفتاری آموزش داد. ما امیدواریم که تیم‌ها و محققان دیگر بتوانند روش‌های پیشرفته ما را در سایر گونه‌ها به کار ببرند. "

نظارت بر حجم وسیعی از داده‌های حاصل از تحقیقات میدانی گونه‌های وحشی، یکی از اجزای حیاتی تلاش‌های حفاظتی برای مقابله با بحران تنوع زیستی است. استفاده از تشخیص رفتار با استفاده از هوش مصنوعی پتانسیلی برای ثبت شاخص‌های رفتاری جدیدی دارد که می‌توانند با دقت بیشتری میزان دوام جمعیت‌های در معرض تهدید را اندازه‌گیری کنند.

شوفیلد می‌گوید: «در نهایت این می‌تواند به ما کمک کند تا محرک‌های اجتماعی و زیست‌محیطی رفتار را بررسی کنیم، و همچنین نظارت کنیم که چگونه این جوامع به فشارهای محیطی ناشی از تغییرات آب‌وهوایی و تخریب زیستگاه‌های ناشی از فعالیت‌های انسانی پاسخ می‌دهند.»

220000829.059