L’IA svizzera che riconosce gli animali selvatici – e aiuta biologi di tutto il mondo a capirli 

Un modello di IA svizzero è in grado di identificare singoli orsi da dettagli come il muso. Beth Rosenberg

Dall’identificazione degli orsi in Alaska al monitoraggio dei cervi nelle Alpi, l’intelligenza artificiale sviluppata in Svizzera sta aprendo nuove frontiere nella conservazione della fauna selvatica. Ma le macchine non fanno miracoli: si basano sul lavoro di chi ha passato una vita a contatto con la natura. 

Beth Rosenberg ha trascorso gli ultimi vent’anni a osservare gli orsi in zone remote dell’Alaska, senza elettricità né acqua corrente. La biologa ed ecologista dell’Alaska Pacific University è oggi in grado di riconoscere singoli animali dalla forma della testa e del muso, oltre che da piccole cicatrici o comportamenti particolari. 
 
“Alcuni orsi pescano sempre nello stesso modo o amano giocare tra loro. Basta dedicare un po’ di tempo all’osservazione e le differenze individuali diventano subito evidenti”, racconta Rosenberg. 

Oggi la biologa mette questa esperienza a disposizione di un modello di intelligenza artificiale (IA). In collaborazione con ricercatori e ricercatrici del Politecnico federale di Losanna (EPFL), Rosenberg ha contribuito ad addestrare un sistema capace di riconoscere i singoli orsi. L’addestramento si basa sulla sua vasta esperienza e su migliaia di fotografie raccolte nell’arco di sei anni lungo il fiume McNeil River, dove ogni anno centinaia di orsi bruni si radunano per pescare i salmoni che risalgono la corrente. 

Studiare questi predatori è essenziale per comprendere la salute degli ecosistemi e il modo in cui le specie reagiscono ai cambiamenti climatici. Ma farlo in modo non invasivo, in ambienti così isolati, è estremamente difficile. È qui che l’IA può fare davvero la differenza. 

“L’IA potrebbe aprire enormi possibilità per comprendere meglio la fauna selvatica e gli ecosistemi, favorendone la conservazione e la gestione”, afferma la scienziata. 

Un’IA che riconosce gli orsi dal muso 

Il modello sviluppato con l’EPFL è in grado di identificare in modo affidabile gli orsi di McNeil River sulla base di caratteristiche fisiche come la forma della testa o il profilo. Può seguirne gli spostamenti nel tempo e nello spazio, collegando immagini dello stesso orso scattate in luoghi e momenti diversi, e persino segnalare nuovi esemplari mai osservati prima. Si tratta di un risultato che Rosenberg definisce senza precedenti. 

Analizzando un gran numero di immagini, l’IA può anche aiutare i ricercatori e le ricercatrici a individuare schemi ricorrenti – ad esempio dove gli orsi si nutrono, riposano o si spostano – e studiarne il comportamento. 

“Questo ci aiuta a capire meglio gli orsi, le loro dinamiche demografiche e a rispondere a molte importanti domande ecologiche”, spiega. 

Un orso intento a pescare nel fiume McNeil River, in Alaska. Beth Rosenberg

Arrivare a questo punto, però, è stato tutt’altro che semplice. 

A differenza di zebre o leopardi, gli orsi non presentano motivi facilmente distinguibili sul mantello. Questo li rende particolarmente difficili da identificare per i sistemi di visione artificiale (ovvero per tecnologie di IA che analizzano e interpretano immagini e video “imitando” la vista umana). Inoltre, il loro aspetto cambia notevolmente nel corso dell’anno: prima del letargo possono aumentare di oltre 100 chilogrammi e il mantello muta completamente tra estate e inverno. 

“Questo è abbastanza per confondere persino gli occhi più esperti”, afferma Rosenberg. 

Per addestrare il sistema, Rosenberg ha selezionato manualmente quasi 73’000 immagini di oltre 100 orsi, scattate sotto la pioggia, in diversi momenti della giornata e da molte angolazioni. Il team si è concentrato soprattutto sulla testa degli animali, individuando caratteristiche che restano relativamente stabili nel tempo, come la forma del muso, la struttura dell’arcata sopracciliare, la posizione delle orecchie e il profilo. 

“I sistemi di IA sono molto bravi a riconoscere schemi ricorrenti”, spiega Rosenberg, “ma è molto più difficile quando si ha a che fare con specie prive di segni distintivi evidenti”. 

Il lavoro di preparazione dei dati ha richiesto anni. Rosenberg ricorda che era il 2018 quando contattò Alexander Mathis, professore al Brain Mind Institute dell’EPFL, per proporre una collaborazione. 

“Io e Alexander abbiamo trascorso gran parte del periodo del Covid davanti al computer a programmare senza sosta”, racconta. 

Secondo Rosenberg, gli otto anni necessari per costruire il set di dati sono stati appena sufficienti per permettere al modello di imparare a riconoscere gli individui. 
“Questo dice molto sulla complessità del cervello umano”, aggiunge. 

Il prossimo passo sarà testare il sistema su scala più ampia, in altre regioni e con animali che il modello non ha mai visto prima. 

Dalle foreste dell’Alaska alle Alpi svizzere 

Rosenberg ritiene che il modello possa essere applicato in futuro anche ad altre specie con il muso pronunciato, come lupi e cervi, presenti anche nelle Alpi svizzere. Tuttavia, trasferire i modelli da un ambiente all’altro rappresenta una sfida importante. 

“È improbabile che un modello addestrato in Alaska funzioni bene anche in Svizzera”, afferma Devis Tuia, che dirige il laboratorio di Scienze computazionali ambientali e osservazione della Terra dell’EPFL. 

Il team di Tuia ha sviluppato modelli di IA capaci di riconoscere la fauna alpina e analizzarne il comportamento attraverso immagini e video raccolti da fototrappole. Ma per ottenere questi risultati è stato necessario un lungo lavoro manuale, tra cui l’etichettatura di migliaia di fotogrammi e l’ottimizzazione dei parametri del modello. 

“L’IA non è magia”, afferma Tuia. “Un modello è tanto valido quanto i dati su cui è stato addestrato – e questo dipende dal tempo e dall’impegno delle persone che ci stanno dietro”. 

>> Questo video dell’EPFL mostra come l’IA è in grado di riconoscere due cervi che passano davanti alla fototrappola, nel Canton Grigioni:

Migliorare la convivenza tra esseri umani e fauna selvatica 

Nonostante questi limiti, secondo Tuia il potenziale della tecnologia è enorme. I sistemi di IA possono analizzare automaticamente milioni di immagini e video in pochi secondi, aiutando biologi, biologhe e guardiaparchi a comprendere meglio il funzionamento degli ecosistemi e i loro cambiamenti e a prendere decisioni di conservazione più informate. 

Queste conoscenze potrebbero anche migliorare la convivenza tra esseri umani e fauna selvatica. “Se sappiamo come si comportano gli animali, possiamo ad esempio pianificare i sentieri in modo più sicuro e adeguato”, spiega Tuia. 

In Paesi come la Svizzera, dove il dibattito sulla gestione del lupo – in particolare per gli attacchi al bestiame – è sempre più acceso, strumenti di questo tipo potrebbero rivelarsi preziosi. 

In futuro, questi modelli potrebbero essere applicati su scala molto più ampia grazie a iniziative di “citizen science”, in cui persone comuni caricano le proprie osservazioni su piattaforme condivise come iNaturalist. 

“Stiamo costruendo il dataset globale del pianeta, una foto alla volta”, afferma Tuia. 

Anche Rosenberg vede in questo approccio un grande potenziale. Quest’estate lei e il suo team lanceranno una piattaforma per raccogliere immagini di orsi bruni scattate dal pubblico in tutto il mondo. 

“Possiamo utilizzare le fotografie delle persone per creare mappe e capire dove si muovono gli animali su scala molto più ampia”, afferma. “Le possibilità di conoscenza – senza invadere il loro spazio – sono enormi”. 

A cura di Gabe Bullard