Швейцарский ИИ помогает лучше понимать поведение диких животных

Швейцарская модель искусственного интеллекта способна идентифицировать отдельных особей медведей по морфологическим признакам, в частности по форме морды. Beth Rosenberg

Узнавать медведей «в лицо» на Аляске, отслеживать пути миграции оленей в Альпах: система на основе искусственного интеллекта, разработанная в Швейцарии, даёт наблюдения за дикими животными и для работы в сфере охраны природы совершенно новые, ранее невиданные возможности. Но такие системы по-прежнему зависят от людей — от тех, кто посвятил природе всю свою жизнь.

Бет Розенберг (Beth Rosenberg) последние 20 лет занимается наблюдением за медведями в удалённых районах Аляски, обходясь без электричества и водопровода. Биолог и эколог из Alaska Pacific University, она умеет отличать одну медвежью особь от другой по форме головы и морды, по небольшим шрамам и характерным особенностям поведения. «Некоторые медведи всегда ловят рыбу определённым способом, кроме того, многие любят играть друг с другом. Если достаточно долго за ними наблюдать, то индивидуальные различия быстро становятся очевидны», — говорит Бет Розенберг.

Своим опытом она «поделилась» со специальной моделью искусственного интеллекта. Этот проект был реализован в сотрудничестве со специалистами из Федеральной политехнической школы Лозанны (École polytechnique fédérale de Lausanne, EPFL). В его рамках она помогла обучить систему на основе ИИ отличать одну медвежью особь от другой, предоставив для этого свой огромный опыт и тысячи фотографий, которые она сделала за последние шесть лет на берегах реки Макнил (McNeil River) на Аляске. Каждый год туда приходят сотни бурых медведей, чтобы ловить лосося, идущего вверх по реке на нерест. Изучение поведения этих хищников очень важно для понимания состояния всей экосистемы региона и того, как разные виды животных реагируют на изменение климата.

Решающая роль ИИ

Однако изучать этих животных в удалённых регионах Аляски без прямого вмешательства в их жизнь крайне сложно. И именно здесь искусственный интеллект и может сыграть решающую роль. «ИИ способен открыть перед нами новые возможности, мы сможем с его помощью лучше понимать логику поведения диких животных и динамику развития тех или иных экосистем, а значит, давать более надёжную основу для принятия решений в области охраны природы», — говорит Бет Розенберг. Разработанная совместно с EPFL модель на основе искусственного интеллекта позволяет надёжно отличать одну особь от другой у медведей, обитающих у реки Макнил, ориентируясь по их морфологическим признакам — например, по форме головы и профилю.

Она также способна отслеживать их перемещения во времени и пространстве, идентифицируя одного и того же животного по фотографиям, сделанным в разное время и в разных местах. Эта модель ИИ умеет распознавать даже тех медведей, которых она раньше никогда не встречала, и этот результат Бет Розенберг называет беспрецедентным. Анализируя большое количество фотоизображений, ИИ помогает замечать повторяющиеся закономерности, выявляя, например, где медведи кормятся, где отдыхают или как передвигаются. «Это помогает нам лучше понимать динамику развития медвежьей популяции, а также искать ответы на многие важные с точки зрения экологии вопросы», — говорит Бет Розенберг.

Медведь, ловящий рыбу в реке Макнил на Аляске. Beth Rosenberg

Добиться этого было отнюдь не просто. В отличие от зебр или леопардов у медведей нет легко узнаваемого рисунка на шерсти. Поэтому так называемым системам компьютерного зрения, то есть технологиям на основе ИИ, анализирующим изображения и видео, имитируя человеческое зрение, особенно трудно отличать одну особь от другой. Кроме того, внешний вид медведей в течение года резко меняется: перед зимней спячкой они могут прибавить более 100 килограммов. А между летом и зимой они полностью линяют. «Все это может ввести в заблуждение даже самый намётанный глаз», — говорит Бет Розенберг.

Ручной труд

Чтобы обучить ИИ-систему, она вручную подготовила почти 73 000 изображений более чем ста разных медведей, снятых под дождём, в разное время суток и с разных ракурсов. Команда экспертов сосредоточилась затем прежде всего на головах животных и выделила морфологические признаки, которые остаются относительно стабильными даже с течением времени, например форму морды, строение надбровной дуги, положение ушей. «Системы ИИ очень хорошо умеют распознавать повторяющиеся закономерности. Но всё становится гораздо сложнее, когда речь идёт о видах животных, у которых нет очевидных отличительных признаков», — говорит Бет Розенберг. На подготовку этого массива данных ушли годы.

Бет Розенберг вспоминает, что в 2018 году она связалась с Александером Матисом (Alexander Mathis), научным сотрудником Института мозга и сознания (Brain Mind Institute, BMI) при EPFL, с тем чтобы предложить ему своё сотрудничество. «Мы с Александером провели большую часть ковидного времени за компьютерами, без остановки занимаясь программированием», — рассказывает она. По словам Бет Розенберг, восьми лет, потребовавшихся на создание этого массива данных, едва хватило, чтобы модель научилась отличать одну особь от другой. «Это очень многое, кстати, говорит о том, как сложно устроен человеческий мозг», — добавляет она.

На следующем этапе учёные будут испытывать систему в других регионах мира и на животных, которых она прежде не видела. Бет Розенберг считает, что в конечном счёте эту модель можно будет применять и в отношении других видов животных с хорошо выраженной мордой — например, к волкам и оленям, обитающим и в швейцарских Альпах. Но есть проблема. «Маловероятно, что модель, обученная на Аляске, будет хорошо работать в Швейцарии», — говорит Девис Туйя (Devis Tuia), руководитель Лаборатории экологической информатики и наблюдения Земли (Environmental Computational Science and Earth Observation Laboratory, ECEO) при EPFL.

«ИИ — это не магия»

Команда Девиса Туйи разработала модели ИИ, которые умеют распознавать альпийских диких животных и анализировать их поведение по изображениям и видео, собранным фотоловушками. Но и тут потребовался огромный объём ручной работы: пришлось, например, размечать тысячи отдельных кадров и вручную настраивать параметры модели. «ИИ — это никакая не магия, — говорит Девис Туйя. — Модель хороша ровно настолько, насколько хороши данные, на основе которых её обучили. А это зависит от того, сколько времени и усилий в неё вложили люди». На этом видео от EPFL, например, показано, как ИИ распознаёт оленей, проходящих мимо фотоловушки в кантоне Граубюнден.

Несмотря на эти сложности, Девис Туйя считает, что у этой технологии есть огромный потенциал развития. Системы ИИ могут за считанные секунды автоматически анализировать миллионы изображений и видеозаписей, помогая лучше понимать, как функционируют экосистемы и как они меняются. Это, в свою очередь, позволит людям принимать более обоснованные решения в сфере охраны природы. Такие знания могут также усовершенствовать сосуществование людей и диких животных. «Если мы начнем понимать, как и почему ведут себя животные, то мы сможем, например, более безопасно и разумно прокладывать пешеходные туристические маршруты», — говорит Девис Туйя.

В таких странах, как Швейцария, где споры о том, как относится к волкам, особенно после нападений на сельскохозяйственных животных, становятся всё более острыми, подобные инструменты могут оказаться особенно ценными. В будущем такие модели смогут использоваться гораздо шире и в других сферах, в том числе в рамках проектов с участием добровольцев, помогающих учёным собирать эмпирические данные при помощи таких платформ, как iNaturalist. Бет Розенберг тоже видит в этом подходе большой потенциал. Летом 2026 года она и её коллеги запустят онлайн-платформу для сбора фотоизображений бурых медведей, сделанных людьми по всему миру. «Мы сможем использовать фотографии, сделанные разными людьми, чтобы составлять карты и понимать, как животные перемещаются, находясь при этом далеко за пределами отдельных наблюдаемых участков дикой природы», — говорит она.

Как мы используем ИИ

Русскоязычная версия материала создана с использованием систем искусственного интеллекта (таких как Deepl или Google Translate), затем адаптирована для целевой аудитории и прошла тщательную редакционную обработку и проверку журналистами SWI swissinfo.ch. Использование инструментов автоматического перевода дает нам время для написания большего количества оригинальных аналитических статей. Подробнее по ссылке в этом материале.