Trovare soluzioni per migliorare la reidentificazione delle tartarughe e sostenere progetti di apprendimento automatico in tutta l’Africa
Proteggere gli ecosistemi che ci circondano è fondamentale per salvaguardare il futuro del nostro pianeta e di tutti i suoi cittadini viventi. Fortunatamente, i nuovi sistemi di intelligenza artificiale (AI) stanno facendo progressi negli sforzi di conservazione in tutto il mondo, aiutando ad affrontare problemi complessi su larga scala studiare il comportamento delle comunità animali nel Serengeti per aiutare a conservare l’ecosistema in diminuzione, a avvistamento dei bracconieri e delle loro prede ferite per evitare che le specie si estinguano.
Nell’ambito della nostra missione volta ad aiutare l’umanità con le tecnologie che sviluppiamo, è importante garantire che diversi gruppi di persone costruiscano i sistemi di intelligenza artificiale del futuro in modo che siano equi ed equi. Ciò include l’ampliamento della comunità di machine learning (ML) e il coinvolgimento di un pubblico più ampio nell’affrontare problemi importanti utilizzando l’intelligenza artificiale.
Attraverso le indagini, ci siamo imbattuti Altri – un partner dedicato con obiettivi complementari – che costituisce la più grande comunità di data scientist africani e ospita concorsi incentrati sulla risoluzione dei problemi più urgenti dell’Africa.
Nostro Squadra scientificaIl team Diversity, Equity, and Inclusion (DE&I) di ha lavorato con Zindi per identificare una sfida scientifica che potrebbe aiutare a far avanzare gli sforzi di conservazione e ad aumentare il coinvolgimento nell’intelligenza artificiale. Ispirato da Zindi sfida della tartaruga con riquadro di delimitazionesiamo approdati a un progetto con un potenziale di impatto reale: il riconoscimento facciale delle tartarughe.
I biologi considerano le tartarughe una specie indicatore. Si tratta di classi di organismi il cui comportamento aiuta gli scienziati a comprendere il benessere di fondo del loro ecosistema. Ad esempio, la presenza di lontre nei fiumi è stata considerata un segno di un fiume pulito e sano, da quando il divieto dei pesticidi a base di cloro negli anni ’70 ha salvato la specie dall’orlo dell’estinzione.
Le tartarughe sono un’altra specie simile. Pascolando sulla copertura delle alghe, coltivano l’ecosistema, fornendo un habitat a numerosi pesci e crostacei. Tradizionalmente, le singole tartarughe venivano identificate e monitorate dai biologi con etichette fisiche, sebbene la frequente perdita o erosione di queste etichette nell’acqua di mare abbia reso questo metodo inaffidabile. Per aiutare a risolvere alcune di queste sfide, abbiamo lanciato una sfida ML chiamata Richiamo delle tartarughe.
Considerata la sfida aggiuntiva di mantenere una tartaruga ferma abbastanza da individuare la targhetta, la sfida Turtle Recall mirava a aggirare questi problemi con il riconoscimento facciale delle tartarughe. Ciò è possibile perché il modello delle scaglie sul viso di una tartaruga è unico per l’individuo e rimane lo stesso per tutta la durata della sua vita pluridecennale.
La sfida mirava ad aumentare l’affidabilità e la velocità della reidentificazione delle tartarughe e potenzialmente a offrire un modo per sostituire del tutto l’uso di scomode etichette fisiche. Per renderlo possibile, avevamo bisogno di un set di dati su cui lavorare. Fortunatamente, dopo la precedente sfida di Zindi a base di tartarughe con un ente di beneficenza con sede in Kenya Conservazione locale dell’oceanoi team sono stati gentilmente in grado di condividere un set di dati di immagini etichettate di volti di tartarughe.
Il concorso è iniziato a novembre 2021 ed è durato cinque mesi. Per incoraggiare la partecipazione dei concorrenti, il team ha implementato a quaderno di collaborazioneun ambiente di programmazione interno al browser, che ha introdotto due strumenti di programmazione comuni: JAX E Haiku.
Ai partecipanti è stato chiesto di scaricare i dati della sfida e i modelli di addestramento per prevedere l’identità di una tartaruga, nel modo più accurato possibile, a partire da una fotografia scattata da un’angolazione specifica. Dopo aver inviato le loro previsioni sui dati trattenuti dal modello, hanno potuto visitare una classifica pubblica che monitorava i progressi di ciascun partecipante.
Il coinvolgimento della community è stato incredibilmente positivo, così come l’innovazione tecnica mostrata dai team durante la sfida. Nel corso del concorso, abbiamo ricevuto proposte da una vasta gamma di appassionati di intelligenza artificiale provenienti da 13 diversi paesi africani, inclusi paesi tradizionalmente non ben rappresentati nelle più grandi conferenze di ML, come Ghana e Benin.
I nostri partner per la conservazione delle tartarughe hanno indicato che il livello di accuratezza della previsione del partecipante sarà immediatamente utile per identificare le tartarughe sul campo, il che significa che questi modelli possono avere un impatto reale e immediato sulla conservazione della fauna selvatica.
Nell’ambito dei continui sforzi di Zindi per sostenere le sfide climatiche positive, stanno anche lavorando Classificazione audio swahili in Kenya per aiutare i servizi di traduzione e di emergenza, e previsione della qualità dell’aria in Uganda per migliorare il benessere sociale.
Siamo grati a Zindi per la sua collaborazione e a tutti coloro che hanno contribuito con il loro tempo alla sfida del richiamo delle tartarughe e al campo in crescita dell’intelligenza artificiale per la conservazione. E non vediamo l’ora di vedere come le persone in tutto il mondo continueranno a trovare modi per applicare le tecnologie di intelligenza artificiale per costruire un futuro sano e sostenibile per il pianeta.
Maggiori informazioni su Turtle Recall su Il blog di Zindi e scopri di più su Zindi su https://zindi.africa/
