Нейросеть учится отличать львов от слонов
Раньше ради изучения животных в живой природе зоологи и экологи отправлялись в дорогие и изнурительные экспедиции, чтобы собственными глазами наблюдать за их повадками, пересчитывать их и отслеживать изменения в ареале и численности популяций. Сейчас на звериных тропах расставляют камеры-ловушки, которые реагируют на движение или тепло и собирают гигабайты информации без непосредственного участия человека. Это сильно упрощает работу учёных и позволяет производить наблюдения системно на обширной территории, но обработка огромного количества фотографий и видео требует затрат колоссального количества ресурсов.
Например, в 2010 году чтобы обработать данные 225 камер, сотрудникам национального парка Серенгети в Танзании пришлось призвать на помощь 70 тысяч добровольцев. Узнав об этом, специалисты по нейросетям и машинному обучению из США решили, что в деле анализа материалов с камер-ловушек пора заменить человеко-часы машинным временем.
Алгоритмы машинного обучения учатся, когда им дают большие базы данных для анализа. Сейчас система полагается на библиотеку из 3,2 миллионов фотографий, снятых камерами в Серенгети в предыдущие годы. В первую очередь систему научили определять, есть ли на снимке хоть какое-нибудь животное (на 75% фотографий зверей нет). Затем нейросеть училась различать виды, и сейчас успешно определяет, какое животное попало в объектив, в 92% случаев. Для сравнения, люди успешно справляются с этой задачей в 96% случаев, а работают намного медленнее.
разумеется, компьютер лучше распознаёт животных, которые чаще встречаются в природе, а значит, и на фотографиях. Чем реже зверь, тем больше затруднений возникает у нейросети. Слонов и антилоп гну она узнаёт почти безошибочно, а вот c африканским хорьком, например, могут возникнуть сложности. Еще одна трудность с записью жизни животных на камеры и последующим автоматическим распознаванием заключается в том, что гиены и слоны случайно и намеренно уничтожают камеры, и их приходится время от времени менять на новые.
Препринт статьи с описанием работы нейросети размещен на ArXiv.org.