Эффект гало искусственный интеллект углубляется в сохранение коралловых рифов

ИИ глубоко вовлечен в сохранение коралловых рифов, создавая эффект гало

С учетом быстрого упадка коралловых рифов по всему миру исследователи из Университета Гавайев в Маноа создали инструмент для мониторинга состояния рифов с помощью искусственного интеллекта и спутниковых изображений высокого разрешения, обрабатываемых графическими процессорами NVIDIA.

Ученые разработали новый метод обнаружения и отслеживания гало коралловых рифов – характерных круговых областей песчаного дна вокруг рифов – с использованием моделей глубокого обучения. Исследование, которое недавно было опубликовано в журнале Remote Sensing of Environment, может стать ключом к мониторингу состояния коралловых рифов в режиме реального времени и изменить ситуацию с мировой охраной природы.

“Гало коралловых рифов – потенциальный показатель состояния экосистемы”, – сказала Амелия Майер, постдокторант Гавайского университета и соавтор исследования. “Эти характерные образования видны с космоса и предоставляют ученым и охранникам окружающей среды уникальную возможность наблюдать за обширными и удаленными районами. С помощью искусственного интеллекта мы можем регулярно оценивать наличие и размеры гало практически в режиме реального времени, чтобы определить благосостояние экосистемы”.

Четкое видение: просвещение о состоянии рифов

Ранее гало коралловых рифов приписывалось только пастбищным рыбам, но согласно недавним открытиям исследователей, оно также может указывать на здоровую экосистему хищник-жертва. В то время как некоторые травоядные рыбы пасут водоросли или морскую траву рядом с защитным периметром рифа, охотники роются в морском дне в поисках зарытых беспозвоночных, обнажая окружающий песок.

• Исследователи из ByteDance и UCSD предлагают модель многопредставлений диффузии, которая способна генерировать набор многопредставлений изображений объекта/сцены из любого заданного текста.
• Как стать исследовательским аналитиком? Описание, навыки и зарплата
• Microsoft Research выпускает Heavy-Metal Quartet компиляторов искусственного интеллекта Rammer, Roller, Welder и Grinder

Эти динамики указывают на то, что в данной области находится обширное питательное место, способное обеспечить разнообразное население морских обитателей. Изменение формы гало сигнализирует о нарушении морской пищевой цепи и может указывать на нездоровую среду рифа.

В горячей воде

Несмотря на то, что коралловые рифы занимают менее 1% площади океана, они предлагают жилье, пищу и убежище для более чем 1 миллиона водных видов. Они также имеют огромную коммерческую ценность – около 375 миллиардов долларов ежегодно от коммерческой рыбной ловли, туризма, защиты берегов от штормов и обеспечения антивирусных соединений для исследований по поиску лекарств.

Однако здоровье рифов подвергается угрозе из-за чрезмерной рыбалки, загрязнения питательными веществами и океанической кислотности. Интенсификация изменения климата, а также тепловой стресс от потепления океана, усиливают отбеливание коралловых рифов и инфекционные заболевания.

Более половины коралловых рифов в мире уже потеряны или сильно повреждены, а ученые предсказывают, что к 2050 году все рифы будут подвергаться угрозам, многие из которых окажутся в критической опасности.

Открываем новые горизонты с помощью искусственного интеллекта

Обнаружение изменений в гало коралловых рифов является ключевым моментом в работе по сохранению биоразнообразия. Однако отслеживание этих изменений является трудоемкой задачей, ограничивающей количество исследований, которые исследователи могут проводить ежегодно. Также существуют сложности с доступом к рифам в удаленных местах.

Исследователи создали инструмент на основе искусственного интеллекта, который идентифицирует и измеряет гало коралловых рифов с помощью глобальных спутниковых изображений, давая охранникам окружающей среды возможность предупредить деградацию рифов.

Используя изображения от Planet SkySat, они разработали двухмодельную систему, использующую два типа сверточных нейронных сетей (CNN). Они обучили модель Mask R-CNN с помощью методов компьютерного зрения для сегментации изображений, которая обнаруживает границы рифа и гало пиксель за пикселем. Модель U-Net обучена отличать коралловый риф от гало, классифицируя и предсказывая области обоих объектов.

Команда использовала библиотеки TensorFlow, Keras и PyTorch для обучения и тестирования тысяч аннотаций на моделях коралловых рифов.

Для обработки вычислений на графическом процессоре NVIDIA RTX A6000 использовались сверточные нейронные сети, поддерживаемые ускоренной библиотекой PyTorch cuDNN. Исследователи получили графический процессор A6000 в рамках программы грантов NVIDIA Academic Hardware Grant Program.

Искусственный интеллект быстро идентифицирует и измеряет около 300 гало на площади 100 квадратных километров примерно за две минуты. Человеку-аннотатору для выполнения той же задачи требуется примерно 10 часов. Модель также достигает примерно 90% точности в зависимости от местоположения и способна обрабатывать различные и сложные гало.

“Наше исследование является первым случаем обучения искусственного интеллекта на образцах гало коралловых рифов, в отличие от более распространенных наборов данных искусственного интеллекта с изображениями, например, с котами и собаками”, – сказала Майер. “Обработка тысяч изображений может занять много времени, но использование графического процессора NVIDIA значительно ускорило этот процесс”.

Одной из проблем является то, что разрешение изображения может ограничивать точность модели. Низкое разрешение изображения на грубой шкале затрудняет обнаружение границ рифа и гало и создает менее точные предсказания.

Укрепление экологического мониторинга

«Наша долгосрочная цель – превратить наши результаты в надежный инструмент мониторинга для оценки изменений в размере гало и установления корреляций с популяционной динамикой хищников и травоядных в этой области», – сказал Мейер.

С помощью этого нового подхода исследователи изучают взаимосвязь между видовым составом, состоянием рифов и наличием и размером гало. В настоящее время они рассматривают связь между акулами и гало. Если их предполагаемое взаимодействие хищник-жертва-гало подтвердится, команда планирует оценить численность акул с помощью космических снимков.