البحث عن وظيفة للكلاب: مقابلة الذكاء الاصطناعي، والمساعدة البشرية، ومعهد أبحاث أمريكي يستخدم بيانات من 628 لابرادور لتحسين كفاءة اختيار كلاب الكشف عن الشم

المحتويات في لمحة:تتمتع الكلاب بحاسة شم قوية وتساعد كثيرًا في أداء المهام الصعبة. ومع ذلك، فإن اختيار الكلاب العاملة يتطلب فحصًا وتدريبًا صارمين، ومعدل الاستبعاد مرتفع للغاية. يمكن استخدام التعلم الآلي الخاضع للإشراف وبيانات المهام للتنبؤ بأداء العمل البشري، ومع ذلك، لم يتم العثور على دراسات مماثلة للكلاب.

الكلمات المفتاحية:كلاب العمل، التعلم الآلي المُشرف، الغابات العشوائية

المؤلف: داسيرني

المحرر｜سانيانغ

تم نشر هذه المقالة لأول مرة على منصة HyperAI WeChat العامة~

يمكن رؤية الكلاب في كثير من الأحيان في المساحات الخضراء في الحدائق وفي زوايا الشوارع والأزقة. بالإضافة إلى كونه رفيقًا إنسانيًا، ويجلب الفرح والراحة،هناك أيضًا العديد من الكلاب الخاصة التي تقوم بصمت بأعمال مهمة وتخدم المجتمع البشري. يُطلق عليهم اسم الكلاب العاملة.

هناك العديد من أنواع الكلاب العاملة، بما في ذلك الكلاب العسكرية والشرطية، وكلاب البحث والإنقاذ، وكلاب الخدمة، وتنقسم كل فئة إلى العديد من المجالات المهنية المختلفة. ومن بينها، تتمثل المهمة الرئيسية للكلاب الكاشفة عن الروائح في استخدام حاسة الشم الفائقة لديها للكشف عن مواد محددة مختلفة، مثل المتفجرات والمخدرات وما إلى ذلك.الذي - التيتلعب حاسة الشم دورًا لا غنى عنه في حماية أمن المجتمع البشري.

تتراوح تكلفة معظم الكلاب العاملة غير المدربة بين 40 ألف دولار و80 ألف دولار، ويمكن أن يتضاعف هذا السعر عندما نأخذ تكاليف التدريب في الاعتبار. لكن،إن معدل نجاح التدريب الإجمالي للكلاب العاملة أقل من 50%، وهناك حاجة ملحة لتطوير أساليب اختيار وتدريب أكثر فعالية.

في الآونة الأخيرة، استخدم باحثون، بما في ذلك ألكسندر دبليو. إيري من معهد أبيجيل ويكسنر للأبحاث في مستشفى ناشونوايد للأطفال وإيزاين زاباتا من جامعة روكي فيستا، بيانات من 628 من كلاب لابرادور المستردة من فريق الكشف عن الشم التابع لإدارة أمن النقل لمقارنة ثلاثة نماذج.ويتنبأ ما إذا كان الكلب قادرًا على اجتياز التدريب المسبق والدخول في مرحلة التدريب الرسمي، ويكتشف الخصائص السلوكية التي تؤثر على أداء كلاب اكتشاف الرائحة.

تم نشر البحث في مجلة التقارير العلمية تحت عنوان "التنبؤ بالتعلم الآلي وتصنيف الاختيار السلوكي في برنامج الكشف عن الشم لدى الكلاب".

وقد تم نشر نتائج البحث فيالتقارير العلمية》

عنوان الورقة:

https://www.nature.com/articles/s41598-023-39112-7#Sec8

الأساليب التجريبية 

مقدمة البيانات: AT + Env يتنبأ بأداء Hound 

جاءت بيانات الدراسة من برنامج تدريب وتربية الكلاب القادرة على كشف الروائح، الذي أجرته إدارة أمن النقل (TSA) بين عامي 2002 و2013.تحتوي مجموعة البيانات على درجات لـ 628 من كلاب لابرادور المستردة التي تم اختبارها مرتين كل 3 أشهر على مدار فترة رعاية مدتها 15 شهرًا.

الاختبار 1:اختبار محطة المطار (AT). تم إجراء اختبار AT في محطة مطار وهمية فارغة، حيث قاد الموظفون الكلاب عبر محطة المطار المحاكية، بحثًا عن المناشف المعطرة في حاويات متناثرة عشوائيًا والتفاعل مع الألعاب. يوضح هذا الاختبار إمكانات تدريب الكلب من خلال قياس الأداء عند التعرف على منشفة معطرة، والتفاعل مع الموظفين، والمناشف والألعاب.

الاختبار 2: اختبار بيئي (Env)، يتم إجراؤه في مواقع مختلفة حول القاعدة.يتضمن الاختبار جعل الكلاب تتجول تحت إشراف أحد أعضاء الطاقم، وتحاول البحث، وتتفاعل مع الألعاب والموظفين في بيئة صاخبة ومزدحمة. تشمل مواقع الاختبار متجرًا مزدحمًا لتبادل الهدايا (BX)، وورشة عمل خشبية مغلقة وصاخبة ومظلمة (Woodshop)، ومنطقة شحن (Airport Cargo) مع حركة مرورية وضجيج، ومحطات مطار مختلفة (محطة المطار). يكمل هذا الاختبار اختبار AT لأنه في اختبار AT لا يوجد أفراد آخرون لتشتيت انتباه الكلب.

الجدول 1: خصائص الكلاب وأوصاف التسجيل

AT = اختبار محطة المطار، E = الاختبار البيئي، B = كلاهما.

 

استخدام 3 نماذج تنبؤ وطريقتين لفحص الميزات 

استخدمت الدراسة ثلاث خوارزميات مختلفة للتعلم الآلي الخاضع للإشراف للتنبؤ بمعدل نجاح الاختيار قبل التدريب بناءً على أداء الكلاب في الاختبارات السلوكية.تتضمن الخوارزميات المستخدمة الغابة العشوائية، وآلة الدعم المتجه، والانحدار اللوجستي.

استخدمت الدراسة أيضًا تحليل المكونات الأساسية (PCA) والقضاء المتكرر على الميزات مع التحقق المتبادل (RFECV).لتحديد السمات السلوكية الهامة التي تؤثر على أداء الكلاب التي تكشف الرائحة.

ومن بينها، يعتبر تحليل المكونات الرئيسية (PCA) تقنية إحصائية تعمل على تقليل أبعاد البيانات من خلال تحديد المتغيرات الأكثر أهمية؛ RFECV هي خوارزمية تعلُّم آلي تعمل بشكل متكرر على إزالة الميزات غير المهمة لاستبعاد الميزات الأكثر أهمية.

النتائج التجريبية

التنبؤ بمعدل نجاح كلاب الصيد: نتائج اختبار AT أفضل 

كما هو موضح في الشكل أ أدناه، في اختبار AT،تتحسن القدرة التنبؤية للنموذج عمومًا بمرور الوقت.في بيانات الاختبار للشهر الثاني عشر، كان أداء نموذج الغابة العشوائية هو الأكثر تميزًا.وصلت الدقة إلى 87%، وكانت AUC (المساحة تحت المنحنى) 0.68.لقد أظهر نموذج الانحدار اللوجستي أداءً أسوأ قليلاً.لكن بشكل عام كان الأداء جيدًا. لكن،إن نتائج نموذج آلة الدعم المتجه غير مستقرة نسبيًا.ويرجع هذا بشكل رئيسي إلى أدائه الضعيف في التنبؤ بالاستدعاء الذي لم ينجح في تجاوز الكلب.

الجدول 2: أداء النماذج الثلاثة - أ

كما هو موضح في الشكل ب أدناه، في اختبار البيئة،نتائج التنبؤ ليست مثالية.قد يكون السبب في ذلك هو أنه في المتوسط، تم تضمين عدد صغير نسبيًا من الكلاب في اختبار Env مقارنةً باختبار AT (56% مقابل 73%). على العموم،لقد أظهر نموذج الانحدار اللوجستي أداءً أفضل.في نقاط الوقت الأربع، كان F1 لآلة دعم المتجهات التي تتنبأ بفشل الكلب منخفضًا للغاية.

حصلت جميع النماذج الثلاثة على أعلى دقة في الشهر الثالث (0.82-0.84) ودرجات F1 عالية (0.90-0.91) للتنبؤات التي اجتازت Hound. ومع ذلك، كان أداءهم في التنبؤ بالكلاب الفاشلة في الشهر الثالث ضعيفًا (F1 ≤ 0.10).

الجدول 2: أداء النماذج الثلاثة - ب

الانحدار اللوجستي:

آلة دعم المتجهات:

الغابة العشوائية:

أ: اختبار محطة المطار، اختبار AT

ب: اختبار البيئة، اختبار Env

تشير الأرقام M03 وM06 وM09 وM12 إلى أن وقت الاختبار هو الشهر الثالث والسادس والتاسع والثاني عشر على التوالي.

في الشكل، البيانات قبل / تمثل نتائج اختيار كلاب الصيد من خلال التدريب المسبق، والبيانات بعد / تمثل نتائج اختيار كلاب الصيد بدون تدريب مسبق.

الخصائص المؤثرة: خصائص الاستحواذ والثقة وH2 لها تأثير أكبر 

استخدم الباحثون تحليل المكونات الأساسية (PCA) والقضاء المتكرر على الميزات مع التحقق المتبادل (RFECV) لتحديد الميزات الأكثر أهمية للتنبؤ في نقاط زمنية مختلفة.الشكل التالي يوضح نتائج تحليل المكونات الرئيسية في اختبار AT واختبار Env.

الشكل 1: نتائج تحليل المكونات الرئيسية

أ:  اختبار محطة المطار، اختبار AT

ب:  اختبار البيئة، اختبار البيئة

تتوافق اختصارات خصائص المحور الأفقي مع تلك الموجودة في الجدول 1.

كما هو موضح في الشكل (أ) أعلاه، في اختبار AT، تظهر بيانات الاختبار من الشهرين الثالث والسادس أن السمة ذات التأثير الأكبر هي H1/2 (مخفي 1/2)، بينما في بيانات الاختبار من الشهرين التاسع والثاني عشر، فإن الحيازة الجسدية (PP) لها التأثير الأكبر. يوضح الشكل ب أعلاه أنه في اختبار البيئة، كان للحيازة المستقلة (IP) للعبة التأثير الأكبر في جميع نقاط الوقت.

إزالة الميزة المتكررة (RFECV) هي تقنية اختيار الميزة التي تحصل على المجموعة المثالية من المتغيرات التي تعمل على تعظيم أداء النموذج عن طريق إضافة أو إزالة متغيرات ميزة محددة.في هذه الدراسة، تم استخدام RFECV بالاشتراك مع الغابات العشوائية.

الجدول 3: نتائج إزالة الميزة المتكررة مع التحقق المتبادل (RFECV)

أ:  اختبار محطة المطار

ب:  الاختبار البيئي

تمثل القيم نسبة حدوث كل ميزة، وتتراوح من 0 إلى 100.

الاختصارات المميزة تتوافق مع تلك الموجودة في الجدول 1.

كما هو موضح في الشكل أ أعلاه، في اختبار محطة المطار، تعتبر جميع خصائص الإشغال (MP، PP، IP) وH2 هي الأكثر أهمية.

يوضح الشكل ب أعلاه أنه في الاختبار البيئي، تكون الثقة (Conf) هي الأكثر أهمية عند 3 و6 أشهر (100% و88.7%)؛ إن الملكية المستقلة (IP) هي الأهم في عمر 9 أشهر (93.3%)؛ والحيازة الجسدية (PP) هي الأكثر أهمية في عمر 12 شهرًا (80.7%).

باختصار، تظهر النتائج أن بعض الخصائص مثل H2 و IP و Conf قد يكون لها تأثير أكبر.ومع ذلك، ونظرا لصغر حجم مجموعة البيانات والتنوع المحدود للميزات، لا تزال الدراسة تعاني من بعض المشاكل في تحديد الكلاب التي اجتازت بنجاح عملية الاختيار قبل التدريب وتلك التي فشلت بسبب مشكلات سلوكية. وعلى الرغم من هذا،يمكن تحسين عملية التنبؤ وتوسيعها بشكل أكبر من خلال دمج الخصائص السلوكية الإضافية والمعلومات الطبية وأنواع أخرى من البيانات الطولية.

مؤسسة بحثية علمية تركز على الكلاب العاملة

يعد مركز Penn Vet Working Dog Center، حيث تعمل مؤلفة الدراسة إليزابيث هير، رائدًا في مجال الكلاب العاملة، حيث يعمل على تطوير البحث وتطبيق أحدث الاكتشافات العلمية والخبرة البيطرية لتحسين أداء كلاب اكتشاف الرائحة.استناداً إلى الأداء المتميز للكلاب المستخدمة في البحث والإنقاذ خلال هجمات 11 سبتمبر، تم تأسيس المنظمة في 11 سبتمبر 2012 كمركز وطني لأبحاث وتطوير الكلاب المستخدمة في البحث والإنقاذ.

عنوان الوكالة:

https://www.vet.upenn.edu/research/centers-laboratories/center/penn-vet-working-dog-center

يهدف مركز Penn Vet Working Dog Center إلى العمل مع الكلاب لحماية صحة وسلامة الأشخاص والحيوانات والبيئة من خلال جمع وتحليل البيانات الوراثية والسلوكية والصحية الجسدية ودمجها مع أحدث الأبحاث العلمية لتحسين كفاءة العمل ورفاهية حياة الكلاب العاملة.ولا يقتصر عملها على تطوير وتنفيذ برامج التدريب والتطوير للكلاب العاملة فحسب، بل يشمل أيضًا اختبار ونشر نتائج الأبحاث من أجل مواجهة التحديات المستقبلية بشكل أفضل.

روابط مرجعية:

[1]https://zhuanlan.zhihu.com/p/384069169

[2]https://blog.csdn.net/qq_35218635/article/details/110001554

[3]https://zhuanlan.zhihu.com/p/626862784

[4]https://zhuanlan.zhihu.com/p/359006952