Исследователи из Университета штата Вашингтон совместно с Google выяснили, что искусственный интеллект может значительно ускорить мониторинг дикой природы с помощью удалённых камер. Работа, которая раньше занимала месяцы или даже год, теперь может выполняться за несколько дней.

Исследование, опубликованное в журнале Journal of Applied Ecology, проверяло, способен ли полностью автоматизированный ИИ заменить человека при обработке сотен тысяч и даже миллионов снимков с фотоловушек. Изображения были собраны в штате Вашингтон, национальном парке Glacier в Монтане и заповеднике Maya Biosphere Reserve в Гватемале.

По данным Университета штата Вашингтон, для большинства видов модели, построенные на снимках, распознанных ИИ, оказались близки к результатам, полученным экспертами-людьми. По ключевым показателям — местам обитания животных и влияющим на них экологическим факторам — выводы совпадали примерно в 85–90% случаев.

Учёные отмечают, что расхождения чаще возникали при анализе редких видов или животных, которых трудно точно распознать на снимках.

Результаты исследования могут иметь важное значение для охраны природы. Быстрая обработка данных позволит экологам и специалистам по управлению дикой природой быстрее переходить от сбора информации к практическим решениям. В перспективе это может приблизить мониторинг таких видов, как ягуары, волки и гризли, к режиму почти реального времени.

Ведущий автор исследования, эколог WSU Дэниел Торнтон подчеркнул, что цель проекта — не заменить людей, а помочь исследователям быстрее получать ответы и принимать более эффективные решения по сохранению дикой природы.

Традиционно обработка данных с фотоловушек остаётся крайне трудоёмкой. Такие камеры автоматически срабатывают на движение в лесах и других природных средах, создавая огромные массивы снимков. Один проект может включать сотни тысяч или миллионы изображений, каждое из которых необходимо проверить, чтобы определить, какие животные попали в кадр.

Даже при участии студентов и аспирантов, проверяющих данные, этот процесс обычно занимает от шести до семи месяцев, а иногда растягивается почти на год.

Ранние инструменты ИИ уже помогали отсекать пустые кадры, которые могли составлять 60–70% всех снимков. Однако людям всё равно приходилось просматривать десятки тысяч фотографий с животными. Новая работа проверила, можно ли отказаться и от этого последнего этапа ручной проверки.

Для эксперимента использовалась модель SpeciesNet, разработанная Google. Учёные обработали изображения через полностью автоматизированную систему без участия человека, а затем сравнили результаты с традиционными наборами данных, размеченными экспертами.

Как отметил исследователь Google Дэн Моррис, ключевой вопрос заключался не в том, правильно ли ИИ распознаёт каждое отдельное изображение, а в том, совпадут ли итоговые экологические выводы.

Для большинства видов ответ оказался положительным. Даже при отдельных ошибках ИИ итоговые модели оставались устойчивыми, поскольку они опираются на повторяющиеся наблюдения во времени.

Практическая экономия времени оказалась значительной: полностью автоматизированная обработка теперь может быть выполнена всего за несколько дней, сокращая многомесячную задержку примерно до недели.

По мнению исследователей, это особенно важно для небольших или недостаточно финансируемых природоохранных организаций. Такая технология может позволить расширять программы мониторинга без ограничения, связанного с ручной обработкой данных.

Авторы подчёркивают, что исследование не ставило целью создать новую ИИ-модель. Задача состояла в том, чтобы понять, насколько надёжно уже существующие инструменты могут использоваться в стандартных экологических исследованиях.

При этом ограничения сохраняются. Для многих задач данные фотоловушек по-прежнему требуют участия человека, а редкие и внешне похожие виды остаются сложными для автоматического распознавания. Тем не менее исследование показывает, что в ряде случаев обработка снимков больше не д