Σύνταξη-Επιμέλεια: Στέλιος Βασιλούδης
Ο συντηρητής φαλαινών, Ted Cheeseman, παραδέχεται ότι τα τεράστια ζώα σπάνια στέκονται και ποζάρουν υπομονετικά για φωτογραφίες. Αντίθετα, στα περισσότερα ταξίδια παρακολούθησης φαλαινών, λέει «βλέπεις το 2% της φάλαινας για το 2% του χρόνου».
Ωστόσο, η έξοδος με μια βάρκα για να προσπαθήσει κανείς να εντοπίσει μια φάλαινα παραμένει πολύ δημοφιλής.
Εκτιμάται ότι 13 εκατομμύρια άνθρωποι παρακολουθούν φάλαινες κάθε χρόνο σε όλο τον κόσμο και η βιομηχανία λέγεται ότι αξίζει 2,1 δις δολάρια. Η καμπουροφάλαινα (Humpback Whale) είναι η πρωταγωνίστρια της επιχείρησης παρακολούθησης φαλαινών, καθώς είναι σχετικά συνηθισμένη και περνάει αρκετό χρόνο στην επιφάνεια. Ο Cheeseman λέει επίσης ότι η καμπούρα της είναι «πολύ ελκυστική», με τους πιο τυχερούς παρατηρητές φαλαινών να συλλαμβάνουν ένα άλμα της έξω από το νερό ή μια κίνηση της ουράς.
Για να βοηθήσει τους ανθρώπους να αισθάνονται στενότερη σχέση με κάθε φάλαινα, η εταιρεία ερευνών του Cheeseman, HappyWhale, επιτρέπει στους χρήστες να ανεβάζουν τις φωτογραφίες τους στον ιστότοπό της. Στη συνέχεια, το λογισμικό τεχνητής νοημοσύνης (AI) της HappyWhale θα περιηγηθεί γρήγορα στη βάση δεδομένων του με περισσότερες από 70.000 διαφορετικές φάλαινες, με στόχο να σας πει το ακριβές ζώο που κοιτάζατε. Μπορεί να σας πει ακόμη και το όνομα της φάλαινας, αν της έχει ήδη δοθεί, ή να σας προσκαλέσει να επιλέξετε ένα. Αν η φάλαινα είναι από αυτές που έχει καταγραφεί προηγουμένως, θα σας δείξει έναν χάρτη με όλες τις τοποθεσίες που εμφανίστηκε.
Η τεχνητή νοημοσύνη λειτουργεί χρησιμοποιώντας προσαρμοσμένο λογισμικό αναγνώρισης προσώπου για τον εντοπισμό της μοναδικά διαμορφωμένης, έγχρωμης ή σημαδεμένης ουράς κάθε φάλαινας. Ο Cheeseman λέει ότι η τεχνητή νοημοσύνη είναι τόσο αποτελεσματική που δεν χρειάζεται η ουρά μιας φάλαινας να είναι ακίνητη και απλωμένη – μπορεί να αναγνωρίσει τη φάλαινα ακόμα κι αν η ουρά της είναι περιστραμμένη, κυρτή ή στη μέση της κατάδυσης.
Το σύστημα «WhaleID» είναι δωρεάν για τα μέλη του κοινού, αλλά οι χειριστές παρακολούθησης φαλαινών και τα κρουαζιερόπλοια καλούνται να πληρώσουν μηνιαία συνδρομή. «Χρεώνουμε για εμπορική χρήση της εφαρμογής για κινητά, γιατί για τις εταιρείες παρατήρησης φαλαινών και τους χειριστές κρουαζιέρας είναι μια εξαιρετική εμπειρία να μπορούν οι οδηγοί τους να αναγνωρίσουν αμέσως μια φάλαινα και να πουν την ιστορία της», λέει ο Cheeseman. «Αυτό προσθέτει αξία, δημιουργεί ενθουσιασμό και δίνει τη δυνατότητα στον οδηγό να πει μια αληθινή ιστορία για τις φάλαινες που συναντούν, με τρόπο που συνδέεται βαθιά με τους παρατηρητές φαλαινών», συμπληρώνει.
Το Happywhale με έδρα το Όρεγκον χρησιμοποιεί όλα τα δεδομένα που λαμβάνει από φωτογραφίες που έχουν ανεβεί στο διαδικτυο για να το βοηθήσει να παρακολουθεί τους αριθμούς και τις κινήσεις των φαλαινών. Είναι ένα παράδειγμα μιας αυξανόμενης τάσης – ομάδες συντήρησης ειδών που χρησιμοποιούν τεχνητή νοημοσύνη για να επιτρέψουν στα μέλη του κοινού να αναγνωρίζουν ζώα ή πτηνά. Σε αντάλλαγμα, οι οργανισμοί λαμβάνουν πλήθος δεδομένων από crowdsourcing.
Η εφαρμογή Merlin Bird ID επιτρέπει στους χρήστες να ανακαλύψουν ποια είδη πουλιών κοιτάζουν – ή ακούν. Αναπτύχθηκε από το The Cornell Lab of Ornithology στο Πανεπιστήμιο Cornell στην Πολιτεία της Νέας Υόρκης. Ο χρήστης είτε φωτογραφίζει το πουλί είτε κάνει ηχογράφηση του κελαηδήματος του. Στη συνέχεια, το λογισμικό AI ελέγχει γρήγορα τη βάση δεδομένων εικόνων ή εγγραφών του Cornell, που φυλάσσεται σε ένα ψηφιακό αρχείο που ονομάζεται Macaulay Library και παρέχει μια αντιστοίχιση.
«Η ιδέα πίσω από το Merlin ήταν το πώς μπορούμε να υποστηρίξουμε νέους παρατηρητές πουλιών», λέει η Alli Smith, συντονίστρια του έργου. «Μόνο στη Βόρεια Αμερική, υπάρχουν πάνω από 700 διαφορετικά είδη πουλιών που θα μπορούσε ενδεχομένως να βρεί κανείς – αυτό είναι καταπληκτικό», συνεχίζει. Όσον αφορά τη βάση δεδομένων των ήχων πουλιών, η τεχνητή νοημοσύνη λειτουργεί μετατρέποντας την εγγραφή σε ένα φασματογράφημα ή μια κυματομορφή δεδομένων, την οποία στη συνέχεια προσπαθεί να αντιστοιχίσει με εκείνες που είναι ήδη καταχωρημένες.
Οι χρήστες του Merlin Bird ενθαρρύνονται να εισάγουν την τοποθεσία τους, το μέγεθος, το χρώμα και τη συμπεριφορά του πουλιού. Αυτά τα δεδομένα προστίθενται στη συνέχεια στη Βιβλιοθήκη Macaulay και οι επιστήμονες μπορούν να τα χρησιμοποιήσουν για να τους βοηθήσουν να χαρτογραφήσουν πληθυσμούς πουλιών, σειρές και μεταναστευτικά μοτίβα και να κατανοήσουν πώς έχουν αλλάξει. «Οι πληθυσμοί των πτηνών μειώνονται σε όλο τον κόσμο και τα τελευταία 50 χρόνια έχουμε χάσει τρία δισεκατομμύρια πουλιά μόνο στις ΗΠΑ και τον Καναδά», προσθέτει η Smith. «Είναι η πρώτη φορά που καταφέραμε να το δείξουμε αυτό σε πραγματικό χρόνο», συμπληρώνει.
Η εφαρμογή iNaturalist ξεκίνησε ως ένα κοινωνικό δίκτυο όπου τα μέλη μπορούσαν να δημοσιεύσουν φωτογραφίες ζώων και φυτών και η κοινότητα να προσδιορίσει τι υπήρχε σε αυτή τη φωτογραφία. Σήμερα, χρησιμοποιεί τεχνητή νοημοσύνη για να προσδιορίσει τι έχουν φωτογραφίσει οι άνθρωποι. Η AI εκπαιδεύτηκε αρχικά με περισσότερες από 100 φωτογραφίες για κάθε είδος και συνεχίζει να μαθαίνει καθώς ανεβαίνουν περισσότερες εικόνες. Ένας από τους προγραμματιστές της εφαρμογής, ο Grant Van Horn, επίκουρος καθηγητής επιστήμης υπολογιστών στο Πανεπιστήμιο της Μασαχουσέτης Amherst, λέει ότι η τεχνητή νοημοσύνη αναζητά συγκεκριμένα οπτικά «μοτίβα».
«Για παράδειγμα, αφού εκπαιδεύσει το μοντέλο να αναγνωρίζει μια φωτογραφία ενός σκίουρου ή ενός chipmunk, ο υπολογιστής αρχίζει να βλέπει εάν αυτά τα μοτίβα υπάρχουν σε παρόμοια εικόνα. Στη βάση αυτών των μοτίβων, θα προβλέψει είτε chipmunk, είτε σκίουρο ή κάτι άλλο», λέει ο Van Horn. Ο Wayne Klockner, εκτελεστικός διευθυντής του αμερικανικού οργανισμού παρακολούθησης πουλιών American Birding Association, λέει ότι οι εφαρμογές αναγνώρισης εικόνας συμβάλλουν στην ενίσχυση των προσπαθειών συντήρησης των ειδών.
«Πιστεύω ότι κάθε πηγή που βοηθά τους παρατηρητές πουλιών να μάθουν περισσότερα είναι θετική, επειδή αυτή η γνώση και η απόλαυση πυροδοτούν και ενισχύουν το ενδιαφέρον για τη συντήρηση των ειδών», λέει. «Οι άνθρωποι προστατεύουν αυτό που αγαπούν και νοιάζονται. Εάν η εφαρμογή της τεχνητής νοημοσύνης συμβάλλει σε αυτό, τα πουλιά θα είναι πιθανότατα σε καλύτερη θέση».
Πίσω στο HappyWhale, ο Cheeseman λέει ότι τα δεδομένα παρακολούθησης φαλαινών που λαμβάνει από τις φωτογραφίες των χρηστών έπαιξαν καθοριστικό ρόλο στο να πείσουν τα μέλη του International Association of Antarctica Tour Operators να μειώσουν τη μέγιστη επιτρεπόμενη ταχύτητα των πλοίων τους για να αποτρέψουν χτυπήματα φαλαινών.
Πηγή: BBC News
