«Новые горизонты перед наукой»: российский учёный — о применении нейросетей для анализа фотографий диких животных

Технологии искусственного интеллекта находят применение в зоологии и биологии — например, для точного отслеживания численности и миграций популяций диких животных, а также учёта редких видов. Нейросети, обученные на массивах ранее собранных данных, способны индивидуально идентифицировать особей животных в природной среде. Об этом в интервью RT рассказал доцент кафедры радиоэлектроники и прикладной информатики ФРКТ МФТИ кандидат технических наук Андрей Леус. По словам учёного, нейросети также могут применяться для поиска потерявшихся домашних питомцев, в сельском хозяйстве и ветеринарии.
— В рамках Всероссийского образовательного проекта «Урок цифры» для школьников Сахалина организовали занятия по теме «Облачные технологии: в поисках снежного барса» на основе реального проекта для Сайлюгемского национального парка. В заповеднике уже внедряют на практике применение нейросетей для анализа фотографий животных, сделанных с помощью фотоловушек. Это единичные примеры или технологии искусственного интеллекта сегодня широко применяются в работе экологов и биологов?
— В последние годы появилось много исследований в этой области, работает много команд разработчиков. В том числе такая команда есть в нашей лаборатории. Так, ранее мы разработали программное обеспечение, которое обрабатывает данные с фотоловушек, установленных в естественной среде обитания животных. Программа обрабатывает собранные данные и классифицирует животных по видам. Другие научные команды решают в целом похожие задачи: детекции диких животных, классификации, идентификации, учёта численности. Процесс выглядит так: сначала животные фиксируются с помощью фотоловушек, затем все снимки классифицируются. Разработанная нами программа распознаёт уже около 30 видов животных.
— Помимо обработки снимков, какое ещё применение находят технологии машинного обучения в биологии? Например, можно ли применять ИИ для отслеживания численности и миграций редких видов?
— Да, ИИ позволяет более эффективно решать и эти задачи, которые стоят перед биологами. Есть виды, которые очень просто идентифицировать, как, например, тигров благодаря их характерному окрасу или леопардов. Причём у каждого животного уникальный рисунок полосок или пятен, что позволяет легко отслеживать отдельных особей. А вот в случае с моржами, например, решить эту задачу уже намного сложнее, хотя и у них есть индивидуальные приметы. Отдельная история — гренландские киты. Их можно идентифицировать по спинам с помощью аэрофотосъёмки.
Фиксация миграций животных — непростая задача, для этого нужно при создании программы учитывать модель миграции конкретного вида. На основе уже известных биологических и экологических моделей можно создавать нейросети, которые помогут отслеживать миграции популяций или даже отдельных особей. Такие задачи тоже решаются на стыке машинного обучения и биологии.
— Как создаются такие нейросети, насколько это сложный процесс?
— Принцип тот же, что и при создании нейросетей для других областей деятельности. Нужен массив данных, на котором разработчики «обучают» нейросеть, общий механизм работы везде примерно одинаковый. В нашем случае данные собираются с помощью аэрофотосъёмки, беспилотников, лесных фотоловушек, а также видеокамер, которые ставят на границе особо охраняемых природных территорий.
— Если говорить про сохранение видов, то помогут ли нейросети в перспективе в борьбе с браконьерством, особенно учитывая, что сегодня существуют технологии распознавания лиц преступников? И применяются ли в России уже такие подходы?
— В этой области тоже можно использовать искусственный интеллект. Например, можно найти людей, которые появлялись на особо охраняемых природных территориях, по фотографиям. Это получится сделать, если на снимке будет хорошо различимо лицо человека. Тогда его можно найти и проверить на предмет причастности к браконьерству. Такие снимки ловушки делают не всегда, так что сильно рассчитывать на этот метод всё же пока нельзя. Кроме того, снимки обычно обрабатываются примерно через месяц после того, как были сделаны. Так что восстановить хронологию будет непросто.
Обеспечить же отслеживание местности в режиме реального времени сложно, особенно если речь идёт об отдалённых районах, где обитают редкие животные. Для этого нужно обеспечить бесперебойное электропитание камеры, стабильную связь. К примеру, в Саянах — ареале снежного барса. Понятно, что это очень сложно организовать технически. Обычно такие технологии применяются в более доступной местности, в заповедниках Центральной России. Но там и проблема браконьерства не так остра.
— Есть ли у применения нейросетей в экологических и биологических исследованиях какие-то недостатки?
—Недостатки есть. Самый большой — это то, что нейросети не могут работать без ошибок, им нельзя доверять без дополнительной проверки.
— В медицине нейросети находят всё более широкое применение. А насколько активно сегодня такие технологии используются в ветеринарии и в целом в животноводстве? Особенно если учесть, что сельское хозяйство в 2023 году вошло в число приоритетных отраслей экономики России для внедрения искусственного интеллекта.
— Технически для ветеринарии могут применяться практически такие же подходы, но в данном случае меньше верифицированных данных для обучения ИИ. Однако их можно собрать, так что это просто вопрос времени.
Что касается животноводства, то тут открываются очень большие возможности. В отличие от диких животных, домашние находятся постоянно перед глазами человека, их легко фотографировать в любых ракурсах. И это позволяет создать систему индивидуальной идентификации для каждого животного — по аналогии с системой распознавания лиц в метро. Пока что этой темой учёные не очень активно занимаются, однако какие-то проекты уже есть. Например, разработки для поиска потерявшихся собак, причём они дают весьма точный результат.
— Искусственный интеллект называют технологией, которая станет новой ступенью развития ряда сфер науки и техники. Применимо ли это к зоологии и в целом к биологии? Какие новые возможности технологии машинного обучения дают биологам?
— Самыйпростой пример — технологии машинного обучения в разы сокращают время обработки изображений с фотоловушек. Это очень экономит время и силы биологов. Дело в том, что фотоловушки срабатывают на движение и делают сразу серии снимков. Многие из них делаются просто потому, что ветер раскачал ветки кустов и т. п. И как среди десятков тысяч таких пустых фотографий найти реальное изображение медведя или лося? Благодаря ИИ биолог может не тратить время на перебор всех снимков: нейросеть сразу отфильтровывает только нужные, на которых запечатлены животные. Так что основная задача, которую решает ИИ, — это автоматизация многих рутинных процессов, экономия времени исследователей.

Или ещё пример: перед нами как-то стояла задача подсчитать всех моржей на лежбище. То есть сначала к месту лёжки направляется беспилотник, который снимает местность. Если считать моржей на фотографиях вручную, то процесс сбора статистики сильно затянется. А если обрабатывать снимки будет нейросеть, то съёмку можно проводить хоть раз в 15 минут. И уже такой массив данных можно отнести к большим данным, которые станут источником ценной статистки на совсем другом уровне обобщения. Мы можем определять ареал уже не большой группы животных, а каждой отдельной особи и т. д. Всё это открывает новые горизонты перед наукой.