ワシントン州プルマンで行われた研究により,人工知能（AI）が遠隔カメラによる野生動物の追跡作業を大幅に効率化できることが明らかになりました.この研究はワシントン州立大学（WSU）とグーグルの研究者によって実施され,分析にかかる時間はこれまで数か月から1年もの間だったものが,わずか数日で済むようになりました.科学的な結論は人間とほぼ同様の精度を達成しています.
この研究は『応用生態学雑誌』に掲載され,AIによる自動処理が数百万枚のカメラトラップ画像を処理できるかを検証しました.データはワシントント州,モンタナ州のグリーンランド国立公園,グアテマラのマヤ生物圏保護区で収集されました.研究では,AIが特定した画像から構築されたモデルが,人間の専門家による分析とほぼ一致していることが確認されました.
動物の位置や環境要因といった重要な指標では,85〜90％の精度を達成しており,希少な種や識別が難しい種についてはわずかな誤差があるものの,全体としては信頼性が高いとされています.この技術は特に保護活動において大きな意味を持ちます.データの収集から意思決定へのスピードが向上し,ジャガー,シロサイ,グリズリーベアなどの種のほぼリアルタイムのモニタリングが可能になります.
WSUの野生動物生態学者で研究の筆頭著者であるデービッド・トンプソン氏は,「我々は人間を置き換えることを狙っていません.研究者がより速く答えを得て,野生動物の管理と保護に関するより良い意思決定ができるように支援するのが目的です」と語りました.
従来のプロセスは非常に遅く,手間ひまがかかるものでした.カメラトラップは森やその他の生息地に設置され,膨大なデータセットを生成します.1つのプロジェクトで数十万〜数百万枚の画像が生成され,それらを確認してどの種が写っているかを判断する必要がありました.大学の研究者によると,大学院生や学部生のチームが確認作業を行っても,分析には6〜7か月,場合によっては1年かかることが一般的でした.
初期のAIツールは空画像をフィルタリングするなど多少の効率化をもたらしましたが,動物が写っている画像を人間が確認する必要がありました.今回の研究では,その最終的な人間の確認ステップを完全に省くことができるかをテストしました.
グーグルが開発したAIモデル「SpeciesNet」を用いて,完全に自動化されたパイプラインで画像を処理し,従来の専門家によるラベル付けデータと比較しました.グーグルの上級研究科学者で研究に協力したダン・モリス氏は,「AIがすべての画像を正しく識別するかどうかが重要な問題ではなかった.重要なのは,生態学的に興味のある結論がほぼ同じになるかどうかだった」と説明しました.
ほとんどの種ではそうでした.AIが誤って動物を識別したり,検出を漏らしたりしても,占有率モデルは時間の経過とともに繰り返しの観測に依存しているため,全体として信頼性が高いとされています.実際には,完全に自動化された処理で数日で完了可能になり,数か月にわたるボトルネックが1週間程度に短縮されました.
この効率化は特に規模が小さく資金が限られている保護団体にとって大きな変化をもたらす可能性があります.また,研究者はデータ処理の制約から解放され,モニタリングの範囲を拡大できるようになるかもしれません.
このプロジェクトは,AIを活用した保護活動のコミュニティ全体に貢献し,一部のデータセットを公開することで,SpeciesNetなどのツールが共有データを活用して改善できるように支援しました.モリス氏は,この研究が実用的なアプローチを取っていると強調しました.
新しいAIアルゴリズムを開発するのではなく,現時点で利用可能なツールの能力を問うことに注力しました.「我々は新しいモデルを発明しようとしていなかった.技術が今どこにあるかを踏まえ,人々がすでに行っている分析にAIを活用できるかどうかを尋ねた」と語りました.
多くの一般的な種や標準的な生態学モデルでは,答えは肯定的でした.大学は,この技術にはまだ限界があると付け加えました.人間の確認が必要な多くのカメラトラップデータの用途があり,この論文はカメラで撮影される可能性のある種の一部に限定されています.
例えば,非常に希少で識別が難しい種についてはAIの検出が依然として困難です.しかし,研究結果は,大規模なカメラトラップ研究において画像処理がもはや主要な制約にならなくなったことを示唆しています.トンプソン氏は,「この技術がボトルネックにならなくなったことが大きなポイントです.データを速く処理できるなら,対応も速くできる.それが本当に保護活動にとって重要なことです」と語りました.
Twitterの共有: AIで動物追跡効率化分析時間数日へ
