Yapay zeka, Plymouth Üniversitesi'nin (İngiltere) öncülüğünde yapılan araştırmalara göre, bilim insanlarının okyanus tabanında yaşayan türlerin çeşitliliğine yeni ışık tutmasına yardımcı olabilir.
Deniz çevresine karşı artan tehditlerle birlikte, bilim insanları deniz tabanı hakkında daha fazla bilgiye ihtiyaç duyuyor. Kamera monte edilen otonom sualtı araçları (AUV) artık çok miktarda veri toplayabiliyor ancak hala verileri işlemek zorunda kalan insanlar tarafından bir tıkanıklık bulunuyor. Marine Ecology Progress Series'te yayınlanan yeni bir çalışmada deniz bilimciler ve robot uzmanları, bu tıkanıklığı aşmak için bir bilgisayar görüşü (CV) sistemini test etti.
Bilim insanları, CV'nin yakında deniz hayvanları ile bitkilerini incelemek için rutin olarak kullanılabileceğini ve veri mevcudiyetinde büyük bir artışa yol açabileceğini söylüyor. Çalışmanın baş yazarı doktora öğrencisi Nils Piechaud, "Otonom araçlar, deniz tabanının 60 metreden daha derindeki geniş alanlarını araştırmak için hayati öneme sahip bir araçtır. Ancak şu anda bu verilerin bir kısmını manuel olarak analiz edemiyoruz. Bu araştırma, yapay zekanın gelecek vaat eden bir araç olduğunu gösteriyor. Ama yapay zeka sınıflandırıcımız, hayvan resimlerini tanımlamak için kullanılmış olsaydı, beşte biri hala yanlış olurdu." diyor.
Piechaud, açıklamalarına ekleme yaptı: “Bu, okyanus tabanından elde edilen büyük miktarda veri ile başa çıkmada önemli bir adım atıyor. Bazı türleri tespit etmek için kullanıldığında analizi hızlandırmaya yardımcı olabileceğini gösteriyor.”
Yapay zeka görüntüleri analiz etmede hızlılık sağlayabilir
Çalışma,Plymouth Üniversitesi'nin yürüttüğü Deep Links araştırma projesinin bir parçası olarak gerçekleştirildi. Proje, Natural Environment Research Council (Doğal Çevre Araştırma Konseyi) tarafından finanse edildi ve Oxford Üniversitesi, British Geological Survey and the Joint Nature Conservation Committee (İngiliz Jeoloji Araştırmaları ve Ortak Doğa Koruma Komitesi) ile işbirliği içindedir.
İngiltere'nin ulusal otonom sualtı araçlarından AutoSub6000, Mayıs 2016'da, Kuzey Doğu Atlantik'teki Rockall'da okyanus yüzeyinin yaklaşık 1.200 metre altında tek dalışta 150 binden fazla görüntü topladı. Bu görüntülerin yaklaşık bin 200'ü, çoğu nadiren görülen 110 farklı hayvan türünden 40 bin bireyi içeren görüntülerdi ve manuel olarak analiz edildi.
Araştırmacılar, AUV görüntülerinde bulunan çeşitli derin deniz morfospesiyes bireylerini tanımlamak için Google Tensorflow'u kullandı. Daha sonra, Evrişimli Sinir Ağları (CNN)'nın, hayvanların farklı sayıdaki örnek görüntüleri ve aralarından seçim yapılabilecek farklı morfospesiyes türleri ile eğitildiğinde nasıl performans gösterdiğini değerlendirdiler. Uzmanların manuel verilerinin doğruluğu yüzde 50 ile 95 arasında değişiyor ancak bu yöntem çok yavaştır. Bu otomatik yöntem ise, yüzde 80 kesinliğe ulaşmış ve insanların performansına net bir hız ve tutarlılık avantajıyla yaklaşmıştır. Özellikle algoritmaların birlikte çalıştığı bazı morfospesiyesler için geçerlidir.
Çalışma, belirli görevler için deniz bilimcilerin yapay zekayı uygulayabileceklerini göstermektedir. Araştırma, bilim insanlarının verilerini analiz etme kapasitelerini büyük ölçüde arttıracağa benziyor.
Deep Links projesi için Doçent Dr. Kerry Howell, "Gezegenimizin çoğu, aynı derecede büyük bilgi boşluklarına sahip olduğumuz geniş bir alan olan derin denizdir. İklim değişikliği de dahil olmak üzere deniz ortamı üzerindeki artan baskılarla birlikte, okyanuslarımızı ve içinde bulunan habitatları ve türleri anlamamız şart. Yapay zeka araçlarının geliştirilmesi heyecan verici ve ihtiyaç duyulan bir ilerlemedir.” ifadelerinde bulundu.
AutoSub6000'ın çektiği görüntülerden birkaçı
Kaynak; Marine Ecology Progress Series