Een onverwacht gebruik voor gezichtsherkenning: chimpansees volgen

Categorie: Kunstmatige intelligentie Geplaatst 04 september

Een nieuw deep-learning-algoritme dat is getraind om het geslacht en de identiteit van wilde chimpansees te herkennen, zou wetenschappers kunnen helpen het gedrag van dieren beter te begrijpen.

Het nieuws: Gezichtsherkenning heeft de laatste tijd een slechte reputatie ontwikkeld vanwege de manieren waarop het kan worden misbruikt om de burgerlijke vrijheden te schenden. Maar buiten het menselijke domein hebben onderzoekers in Oxford een nieuw, nogal passend doel voor de technologie ontdekt: om hen te helpen bij het volgen van het gedrag en de interacties van chimpansees. Een paper waarin hun studie wordt beschreven werd vandaag gepubliceerd in Science Advances .

Wat zij deden: Met behulp van ongeveer 50 uur aan beeldmateriaal dat gedurende 14 jaar is genomen, hebben de wetenschappers 10 miljoen gezichtsafbeeldingen van 23 chimpansees geëxtraheerd en deze in een diep neuraal netwerk ingevoerd. Het resulterende model was in staat om individuen te identificeren met een nauwkeurigheid tot 93% en hun geslacht correct te classificeren tot 96% van de tijd. In een vergelijkende test presteerde het model ook twee keer zo goed als deskundige menselijke labelers die bijna een uur kregen om de taak te voltooien, en vier keer beter dan beginners die bijna twee uur kregen. Het model daarentegen duurde een fractie van een seconde. (De paar keer dat het niet lukte, zag het de billen van een chimpansee meestal voor een gezicht.)

De onderzoekers gebruikten het model vervolgens om de sociale interacties van een populatie chimpansees te analyseren. Het model onthulde dat de moeder en de baby's de meeste tijd samen doorbrachten, een bevinding die correct aansluit bij de bekende gedragspatronen.

Andere dierenvolgers: Dit is niet de eerste keer dat gezichtsherkenning wordt gebruikt om dieren te volgen. ChimpFace, een vergelijkbare tool, wordt actief gebruikt om strijd tegen illegale handel in chimpansees , en ander studies hebben getracht lemuren, bavianen en andere bedreigde soorten primaten op te sporen. De onderzoekers in het laatste werk zeggen dat hun algoritme een verbetering is ten opzichte van voorgangers door de hoeveelheid voorbewerking die nodig is op onbewerkte beelden te minimaliseren. Terwijl eerdere algoritmen problemen hadden met het omgaan met lichtvariaties en slechte beeldkwaliteit, presteren hun algoritmen beter in die omstandigheden omdat ze waren getraind op een meer diverse dataset.

Waarom het uitmaakt: Dieronderzoekers vertrouwen vaak op videobeelden om het gedrag van de populaties die ze bestuderen in de loop van de tijd te volgen. Maar het sorteren van de enorme hoeveelheden gegevens is vervelend en tijdrovend, en handmatige etikettering kan onnauwkeurig zijn. Het model demonstreert een veelbelovende nieuwe methode om onderzoek naar diergedrag te versnellen. Het kan ook worden gebruikt om bestaande inspanningen voor het volgen van bedreigde en verhandelde soorten te verbeteren.

Meld u aan voor onze Webby-genomineerde AI-nieuwsbrief The Algorithm om meer van dit soort verhalen rechtstreeks in uw inbox te ontvangen. Het is gratis.