Egy új, nyílt forráskódú megoldás a vadállatok azonosítását gyorsabbá és terepen is használhatóvá teheti. Aligha véletlenül lett RAPID a neve.
Ha egy juhnyáj megszámlálása sem mindig egyszerű, a vadon élő állatok egyedi követése még nehezebb feladat. Pedig a természetvédelemben és a kutatásban általában nem elég annyit tudni, hogy „van itt néhány zebra vagy jaguár”, hazai példával akár hiúz: azt is látni kellene, pontosan melyik egyed tűnik fel újra, merre mozog, kikkel kerül kapcsolatba, és valójában hány állat él egy adott területen. A radiocafé Millásreggeli című műsorában erről beszélt Nagy Máté, aki kollégáival egy olyan algoritmust fejlesztett, amely ezt a munkát a korábbinál jóval gyorsabban végezheti el.
Nem csak megszámol, hanem fel is ismer
A fejlesztés neve RAPID, és lényege nem pusztán az, hogy észrevegye az állatokat egy képen vagy videón, hanem hogy egyedileg azonosítsa is őket. Ez fontos különbség. A természetvédelmi gyakorlatban sokszor az a kérdés, hogy ugyanaz a példány látszik-e újra egy másik felvételen, vagy egy új példány került a kamera elé.
Nagy Máté a műsorban arról beszélt, hogy a csoportos viselkedés kutatásában az ilyen felismerés hagyományosan rendkívül időigényes munka. Gyakran olyan szakemberek végzik, akik éveket töltenek az adott állatok megfigyelésével, és idővel „rááll a szemük” az apró különbségekre. Ez azonban lassú, fárasztó és nehezen skálázható folyamat.
Az új rendszer ezt a felismerést automatizálná. A cél nem az emberi szakértelem kiváltása, hanem az, hogy a kutatás és a terepi monitorozás sokkal gyorsabban, egyszerűbben és szélesebb körben váljon elérhetővé.
Mint egy ujjlenyomat, csak szőrzeten vagy bőrön
A RAPID egyik újdonsága, hogy nem teljes képeket vet össze egymással, hanem az állatok mintázatán keres egyedi kulcspontokat. Ezekből áll össze az adott egyed „lenyomata”. A hasonlat kézenfekvő: nagyjából úgy működik, mint az ujjlenyomat-felismerés, csak itt csíkok, foltok, bőrmintázatok vagy pikkelyek szolgálnak az azonosítás alapjául.
A módszer technikai előnye, hogy az algoritmus ezeket a kulcspontokat vektorokként kezeli, és a hasonlóságot ezek között keresi. Ez sokkal gyorsabb lehet annál, mint amikor minden új képet sok másik képpel kell összehasonlítani.
A műsorban Nagy Máté egy egyszerű példával érzékeltette a problémát: minél több szereplőt kell egymással összevetni, annál meredekebben nő a szükséges összehasonlítások száma. Kis adatbázisnál ez még kezelhető, de ha már több száz vagy ezer állatról van szó, a hagyományos megoldások könnyen belassulnak.
A RAPID ezzel szemben már nemcsak nagy szerveren használható. A kutató szerint olyan helyzetekben, amikor korábban percekig vagy akár órákig tartott a keresés, az új megoldás egy egyszerű laptopon, okoseszközön vagy akár drónon is másodpercek alatt képes lehet több egyed azonosítására.
Miért számít ennyit a gyorsaság?
A gyorsaság itt nem kényelmi szempont. Ha egy rendszer valós időben működik, akkor új felhasználási lehetőségek nyílnak meg.
Nagy Máté példája szerint egy drón vagy akár drónflotta képes lehet egy területet pásztázni, és menet közben felismerni az egyes állatokat. Ez akkor különösen hasznos, ha a kutatók egy konkrét egyed napi mozgását szeretnék követni, vagy azt vizsgálják, hogy egy csoport szétszakadása után melyik állat hová kerül és kikkel találkozik.
Ugyanez a technológia segíthet abban is, hogy pontosabb képet kapjanak a kutatók vagy a természetvédelmi szakemberek arról, hány állat él ténylegesen egy nagyobb élőhelyen. A beszélgetésben elhangzott egy ecuadori példa is: ott vadkamera-felvételek alapján próbálnak közelebb jutni ahhoz, valójában hány jaguár él egy nagy nemzeti park területén.
Nem kell hozzá drága grafikus processzor
A RAPID másik fontos előnye, hogy a működéséhez nincs feltétlenül szükség nagy teljesítményű grafikus processzorra, vagyis GPU-ra. Ez ma különösen lényeges, mert a modern mesterségesintelligencia-rendszerek gyakran igen komoly számítási kapacitást igényelnek, ami drága és energiaigényes.
A kutató szerint a RAPID azért tud takarékosabb lenni, mert nem hatalmas képi műveletekkel dolgozik, hanem vektorok közötti kereséssel. Ennek gyakorlati haszna terepi eszközöknél is megjelenik. Egy drónon például a szabadon maradó számítási kapacitás más feladatokra használható: kommunikációra, döntéshozatalra vagy a repülés közbeni további intelligens műveletekre.
Ez a szempont azért sem mellékes, mert a természetvédelmi megfigyelés sokszor épp ott a legnehezebb, ahol nincs erős infrastruktúra, nincs hely nagy szervereknek és az energiaellátás is korlátozott.
Milyen állatoknál működhet jól?
A válasz nem elsősorban az állat méretétől függ. Nagy Máté szerint két dolog számít igazán: legyen elég jó felbontású kép az állatról, és legyen olyan egyedi mintázata, amely alapján megkülönböztethető.
Ezért lehet jó jelölt egy zebra, egy tigris vagy egy jaguár, hiszen a csíkok és foltok egyedenként eltérnek. Elméletben akár kisebb állatoknál is működhetne a módszer, ha elég közelről, kellő részletességgel lehetne őket fotózni, és rendelkeznének egyedi mintázattal.
Nem minden faj alkalmas azonban erre. A műsorban felmerült a seregély példája is, de ott valószínűleg két akadály is van: nehéz elég részletes képet készíteni az egyes madarakról, és a tollazatuk sem elég egyedi ehhez a típusú azonosításhoz.
Vagyis a RAPID nem univerzális megoldás minden vadállatra, hanem egy nagyon erős eszköz bizonyos fajok esetében.
Nyílt forráskód, hogy mások is használhassák
A fejlesztést Zábó András és Nagy Máté az MTA–ELTE Lendület Csoportos Viselkedés Kutatócsoport munkatársaiként, a University of Stuttgart és a Max Planck Institute for Intelligent Systems kutatóival közösen dolgozták ki. A módszert bemutató tanulmány a Methods in Ecology and Evolution folyóiratban jelent meg.
A rendszer nyílt forráskódú, ami nemcsak elvi, hanem nagyon gyakorlati döntés is. Így más kutatók, természetvédelmi szervezetek vagy nemzeti parkok is hozzáférhetnek, kipróbálhatják, ellenőrizhetik a működését, sőt tovább is fejleszthetik.
Nagy Máté szerint arra is figyeltek, hogy a program használata a lehető legegyszerűbb legyen. Vagyis ne csak fejlesztők és adatelemzők tudják működtetni, hanem terepi biológusok, természetvédők vagy nemzeti parki szakemberek is, akiknek a mindennapi munkájában ilyen eszközre valóban szükség lehet.
Gyorsabb eszköz, hatékonyabb természetvédelem
Az állatok egyedi azonosítása elsőre technikai részletkérdésnek tűnhet, valójában azonban a természetvédelem egyik alapfeladata. Ha nem tudjuk, ugyanazt az állatot látjuk-e újra és újra, vagy sok különböző egyedet, akkor könnyen félreérthetjük egy élőhely állapotát is.
A RAPID nem old meg minden problémát, és nem lesz alkalmas minden faj megfigyelésére. De abban, hogy a mintázott vadállatok követése gyorsabbá, olcsóbbá és terepen is használhatóvá váljon, komoly előrelépést jelenthet. És néha épp ennyi kell ahhoz, hogy a kutatásból valódi, napi szinten használható természetvédelmi eszköz legyen.
Ki kicsoda, mi micsoda?
- RAPID: új állatazonosító algoritmus. Lényege, hogy mintázott állatok egyedi azonosítását és újraazonosítását gyorsan, akár terepi okoseszközökön is el tudja végezni.
- Nagy Máté: A HUN-REN Ökológiai Kutatóközpont Evolúciótudományi Intézetének tudományos főmunkatársa és az ELTE Biológiai Fizika Tanszékének egyetemi docense.
- MTA–ELTE Lendület Csoportos Viselkedés Kutatócsoport: Az ELTE-hez kötődő kutatócsoport, amely az állatok közös mozgását, döntéseit és kollektív viselkedését vizsgálja.
- HUN-REN: Magyar kutatóhálózat, amely több tudományterületen működtet kutatóközpontokat és intézeteket.
- GPU: Grafikus processzor, amelyet számos képfeldolgozó feladatnál használnak.
