Melanie Clapham sıradan bir insan değil. Bir ayı biyoloğu olarak, Kanada, British Columbia’daki Knight Inlet’te yaşayan bu boz ayıları incelemek için on yıldan fazla zaman harcadı ve onları farklı kılan küçük şeylere dikkat ederek kimin kim olduğu konusunda bir fikir geliştirdi.
Clapham çalışmalarında bireysel özellikler kullanıyor. Örneğin, bir ayının kulağında bir çentik veya burnunda bir yara izi varsa bunlara dikkat ediyor. Ancak Clapham, çoğu insanın ayrıntılara dikkat etmediğini biliyor ve ayıların görünüşü bir yıl içinde çarpıcı biçimde değişiyor. Örneğin, kışlık palto aldıklarında ve dengesizleşmeden önce şişmanlandıklarında bu durum, aralarında ayrım yapmayı daha da zorlaştırıyor.
Ayıların tek tek takip edilmesi önemlidir, çünkü türlerin araştırılmasına ve korunmasına yardımcı olabilir; Hangi ayının hangisi olduğunu bilmek, belirli bir bozanın çöp kutularına girip girmediğini anlamak veya bir çiftçinin hayvanlarına saldırmak gibi sorunlara bile yardımcı olabilir. Birkaç yıl önce Clapham, tipik olarak insanları tanımlamak için kullanılan bir teknolojinin yardımcı olup olamayacağını merak etmeye başladı: bir görüntüdeki farklı yüz özellikleri arasındaki ölçümleri diğeriyle karşılaştıran yüz tanıma yazılımı.
Clapham, Silikon Vadisi merkezli iki teknoloji çalışanıyla ekip oluşturdu ve birlikte boz ayıları izlemek için yüz tanıma yazılımı kullanan BearID’yi oluşturdu. Şimdiye kadar proje 132 hayvanı bireysel olarak tanımak için AI kullandı.
Yüz tanıma teknolojisi, insanları tanımlamak için bir araç olarak bilinen ve bu konuda tartışmalı olsa da, gizlilik, doğruluk ve önyargı ile ilgili iyi bilinen sorunlar nedeniyle BearID, onu vahşi ve doğadaki hayvanlar için uyarlama çabalarından biridir. Clapham gibi teknolojinin savunucuları, hayvanları izlemenin, örneğin bir RFID takmanın, bir tasma takmaktan veya bir kulağı delmekten daha ucuz, daha uzun ömürlü, daha az istilacı (ve ayı gibi hayvanlar için daha az tehlikeli) bir yol olduğunu söylüyor.
BearID, şu ana kadar 4.674 boz ayı görüntüsü topladı; Clapham, görüntülerin% 80’inin yüz tanıma sistemini eğitmek için kullanıldığını ve geri kalan% 20’nin test etmek için kullanıldığını söyledi. Kendisinin ve iş arkadaşlarının yakın zamanda yayınladığı araştırmaya göre, sistem% 84 doğrulukta. Yine de tanımaya çalıştığınız ayı, grubun nispeten küçük veri kümesinde zaten olmalı.
Hayvanlar için yüz tanıma, insanlar için olduğu gibi aynı mahremiyet ve gözetim sorunlarıyla dolu olmasa da, dikkate alınması gereken konular vardır.
Örneğin, gözetim teknolojisi hayvanları korumaya yardımcı olabilirken, onlara karşı da kullanılabilir. Yaban hayatı araştırma projeleri için bir yapay zeka platformu olan Wildbook.org’un kurucu ortağı ve yöneticisi Tanya Berger-Wolf, incelenenlerin hayvan verilerine erişimi kontrol etmenin önemini vurguladı.
“Bilim adamları ve koruma yöneticileri için harika olan şey, vahşi yaşamın kaçak avcıları için de altındır” dedi.
Clapham, bazı ayıların diğerlerinden daha fazla görüntüsüne sahip olduğunu, bu nedenle ekibinin veri kümesinde daha az temsil edilen ayılardan daha fazlasını elde etmeye çalıştığını söyledi. Araştırmacılar ayrıca, yapay zeka sistemlerini, bir sensör ve ışıklarla donatılmış ve hayvanların dolaşıp video kayıtlarını tetikleyebilecekleri vahşi doğaya yerleştirilen kamera tuzaklarından görüntüler üzerinde eğitmeye başlamak istiyorlar. BearID’in ayıların ötesine geçip diğer hayvanlara nasıl gidebileceğini düşünüyorlar.
Kaynak: https://edition.cnn.com/2020/11/22/tech/face-recognition-bears-cows/index.html
