Il campo dell'ecologia animale è entrato nell'era dei big data e dell'Internet delle cose. Ora vengono raccolte quantità senza precedenti di dati sulle popolazioni di fauna selvatica, grazie a tecnologie sofisticate come satelliti, droni e dispositivi terrestri come telecamere automatiche e sensori posizionati sugli animali o nell'ambiente circostante. Questi dati sono diventati così facili da acquisire e condividere che hanno ridotto le distanze e i requisiti di tempo per i ricercatori, riducendo al minimo la presenza di disturbo degli esseri umani negli habitat naturali. Oggi sono disponibili una varietà di programmi di intelligenza artificiale per analizzare grandi set di dati, ma sono spesso di natura generale e inadatti a osservare il comportamento e l'aspetto esatti degli animali selvatici. Un team di scienziati dell'EPFL e di altre università ha delineato un approccio pionieristico per risolvere questo problema e sviluppare modelli più accurati combinando i progressi della visione artificiale con l'esperienza degli ecologisti. Le loro scoperte, che appaiono oggi in Nature Communications , aprire nuove prospettive sull'uso dell'IA per aiutare a preservare le specie selvatiche.

Costruire un know-how interdisciplinare

La ricerca sulla fauna selvatica è passata da locale a globale. La tecnologia moderna offre ora nuovi modi rivoluzionari per produrre stime più accurate delle popolazioni di fauna selvatica, comprendere meglio il comportamento degli animali, combattere il bracconaggio e fermare il declino della biodiversità. Gli ecologisti possono utilizzare l'intelligenza artificiale, e più specificamente la visione artificiale, per estrarre caratteristiche chiave da immagini, video e altre forme di dati visivi al fine di classificare rapidamente le specie selvatiche, contare i singoli animali e raccogliere determinate informazioni, utilizzando grandi set di dati. I programmi generici attualmente utilizzati per elaborare tali dati spesso funzionano come scatole nere e non sfruttano l'intera portata delle conoscenze esistenti sul regno animale. Inoltre, sono difficili da personalizzare, a volte subiscono uno scarso controllo di qualità e sono potenzialmente soggetti a problemi etici legati all'uso di dati sensibili. Contengono anche diversi pregiudizi, soprattutto regionali; ad esempio, se tutti i dati utilizzati per formare un determinato programma fossero raccolti in Europa, il programma potrebbe non essere adatto ad altre regioni del mondo.

"Volevamo interessare più ricercatori a questo argomento e unire i loro sforzi in modo da andare avanti in questo campo emergente. L'intelligenza artificiale può fungere da catalizzatore chiave nella ricerca sulla fauna selvatica e nella protezione ambientale in modo più ampio", afferma il prof. Devis Tuia, il capo dell'Environmental Computational Science and Earth Observation Laboratory dell'EPFL e autore principale dello studio. Se gli informatici vogliono ridurre il margine di errore di un programma di intelligenza artificiale che è stato addestrato per riconoscere una determinata specie, ad esempio, devono essere in grado di attingere alle conoscenze degli ecologisti animali. Questi esperti possono specificare quali caratteristiche dovrebbero essere prese in considerazione nel programma, ad esempio se una specie può sopravvivere a una determinata latitudine, se è cruciale per la sopravvivenza di un'altra specie (ad esempio attraverso una relazione predatore-preda) o se la fisiologia della specie cambia nel corso della sua vita. Ad esempio, è possibile utilizzare nuovi algoritmi di apprendimento automatico per identificare automaticamente un animale. come l'uso del motivo a strisce unico di una zebra o nel video la loro dinamica di movimento può essere una firma di identità", afferma il Prof. MackenzieMathis, capo della Cattedra di neuroscienze integrative della Fondazione Bertarelli dell'EPFL e coautore dello studio. "Ecco dove la fusione tra ecologia e apprendimento automatico è fondamentale:il biologo sul campo ha un'immensa conoscenza del dominio sugli animali studiati e noi, in quanto ricercatori di apprendimento automatico, il lavoro consiste nel lavorare con loro per creare strumenti per trovare una soluzione."

Passare la voce sulle iniziative esistenti

L'idea di creare legami più forti tra visione artificiale ed ecologia è emersa quando Tuia, Mathis e altri hanno discusso le sfide della loro ricerca in varie conferenze negli ultimi due anni. Hanno visto che tale collaborazione potrebbe essere estremamente utile per impedire l'estinzione di alcune specie di animali selvatici. Alcune iniziative sono già state avviate in questa direzione; alcuni di loro sono elencati nell'articolo Nature Communications. Ad esempio, Tuia e il suo team dell'EPFL hanno sviluppato un programma in grado di riconoscere le specie animali in base alle immagini dei droni. È stato testato di recente su una popolazione di foche. Nel frattempo, Mathis e i suoi colleghi hanno svelato un pacchetto software open source chiamato DeepLabCut che consente agli scienziati di stimare e tracciare le pose degli animali con notevole precisione. È già stato scaricato 300.000 volte. DeepLabCut è stato progettato per animali da laboratorio, ma può essere utilizzato anche per altre specie. Anche i ricercatori di altre università hanno sviluppato programmi, ma è difficile per loro condividere le loro scoperte poiché non si è ancora formata una vera comunità in quest'area. Altri scienziati spesso non sanno che questi programmi esistono o quale sarebbe il migliore per la loro ricerca specifica.

Detto questo, i primi passi verso una tale comunità sono stati compiuti attraverso vari forum online. L'articolo di Nature Communications mira tuttavia a un pubblico più ampio, composto da ricercatori di tutto il mondo. "Una comunità sta prendendo costantemente forma", afferma Tuia. "Finora abbiamo usato il passaparola per costruire una rete iniziale. Abbiamo iniziato due anni fa con le persone che ora sono gli altri autori principali dell'articolo:Benjamin Kellenberger, anche lui all'EPFL, Sara Beery al Caltech negli Stati Uniti; e Blair Costelloe al Max Planck Institute in Germania."