日本が商業捕鯨を再開、テクノロジーが彼らを救いたい
日本は今年、国際条約による制限を受けてから30年以上ぶりとなる商業捕鯨を再開した。最近、日本の捕鯨チームは処女航海を完了し、233頭のクジラが殺されました。この事件の裏には、クジラの悲劇的な運命が暗示されているようだ。クジラを効果的に保護し、絶滅の危機に瀕するのを防ぐにはどうすればよいでしょうか?この分野でAI技術はどのような役割を果たせるのでしょうか？
9月から、日本の沿岸都市である太地町は毎年恒例の捕鯨活動を開始する。日本が商業捕鯨を再開するのは30年以上ぶりとなる。
国際的には、クジラを乱獲から守るために、1948年に国際捕鯨委員会が設立されました。日本は1951年に加盟しました。1986年に同委員会は可決されました。 世界的な捕鯨禁止、締約国が商業捕鯨に従事することを禁止する。
長い捕鯨文化を持つ日本は、条約の限界を繰り返し試してきた。 2018年12月、日本は同団体からの脱退を発表し、規定によると、今年6月30日以降は条約による制限は受けられなくなる。
最近の報道によると、商業捕鯨再開後の最初の航海で、233頭のクジラを殺し、1,430トンのクジラ肉を捕獲したという…衝撃的な数字の裏には、ドキュメンタリー「ザ・コーブ」の血を思い出さずにはいられない。 」。
クジラは海で最大の動物ですが、捕食者と比較するとまだ弱く、取るに足らない存在です。人間にとってクジラの肉、油、皮、各種臓器は利用価値があるため、利益を考えれば巨体はただの商品に過ぎない。
かつて人間の大規模な狩猟活動により、多くの種のクジラが絶滅の危機に瀕しました。この巨大で脆い生き物が海の中を自由に泳ぐために、さまざまな技術が使われており、そこにはAI技術も貢献しています。
クジラの数や個体数を完全に数えることは困難であり、また、その生活習慣や移動方法も研究の難しさです。しかし、複数のAI技術の応用により、これらの問題は一つずつ解決されつつあります。
スペインの学者: 人口統計に CNN を使用
海のクジラ数と人口の正確なカウント、これは科学者がクジラの研究を行い、クジラをさらに保護するのに役立ちます。
しかし、広大な海でクジラをどのように識別し、数えるかは簡単な課題ではありません。したがって、一部の研究者は、ディープラーニングなどのテクノロジーを活用した衛星画像や航空写真、沖合でクジラの統計調査を行っています。
『サイエンス・レポート』誌に掲載された最近の記事では、スペインの科学者のグループがそのような研究を行ったと述べています。彼らは使用します畳み込みニューラル ネットワーク (CNN)構築されたモデルは、クジラの個体数と数を特定して決定するのに効果的に役立ちます。
航空写真や衛星画像でクジラを特定するには、データセットの欠如、船、岩、泡などの交絡要因、水上でのクジラの行動、雲、光、水による干渉など、複数の困難を克服する必要があります。品質など
この研究では、科学者は最初の CNN に基づいて 2 段階の深層学習モデルを設計しました。 クジラが存在する入力画像を見つける、船や岩などからの干渉を排除します。 これらの画像内の各クジラを見つけて数えます。
システムがクジラを正確に識別するために、Google Earth、Arkive、NOAA 写真ライブラリなどのオープン データを使用して、注釈付きの高品質のデータ セットを確立しました。さまざまな解像度の衛星画像や航空写真も、クジラの存在を検出し、その数を数え、プロセス全体をテストおよび検証する目的で使用されました。
本文でも使用しています転移学習とデータ拡張、CNN トレーニングの効率を向上させ、CNN の堅牢性と汎化能力を向上させます。
最初のステップは、画像分類モデルを構築することです。GoogleNet Inception v3 CNN アーキテクチャの最新バージョンを使用して構築されており、ImageNet で事前にトレーニングされ、最終的に画像内のクジラを迅速に識別し、誤って識別された可能性のある残骸を除去することができました。
2 番目のステップは、捕鯨モデルです。Inception-Resnet v2 CNN アーキテクチャに基づく高速な R-CNN が使用されます。COCO データセットで事前トレーニング済み。このモデルは、クジラが存在する可能性が高いセルのみを分析し、境界ボックス内で各クジラの位置を特定し、カウントされた個体数を出力します。
概念実証では、モデルは 71 × 71 m のスライディング ウィンドウ (シロナガスクジラの約 2 倍のサイズ) を使用して、13,348 個のグリッド セルで表される世界中の 10 個のクジラ発生ホットスポットを分析し、各セルの検出確率を分析しました。クジラを見ること。
最終結果では、ホエールウォッチングのホットスポット 10 か所で Google Earth の画像を系統的にテストしたところ、クジラの検出と数の計測において Google Earth の方が優れていることがわかりました。彼らのパフォーマンス (F1 メトリクス) はそれぞれ 81% と 94% です。ベースライン検出モデルのみと比較すると、このモデルでは精度が 36% 向上しました。
Google: 声紋認識を使用して行動習慣を理解する
衛星画像の観点に加えて、機械学習には声紋分析の観点からクジラを保護するためのユニークなトリックもあります。
クジラの鳴き声は数百キロメートルの水中まで伝わり、異なる音には、遠く離れたパートナーと通信するための異なるメッセージも含まれています。グーグルは水中収集装置を使用して、これらのクジラの「歌」を録音した。
Googleが立ち上げた「ソーシャルグッドのためのAI」プロジェクトでは、Googleの研究者と海洋鯨類の専門家によるザトウクジラの保護に関する研究が行われています。機械学習を利用して声紋を通じてクジラの活動を追跡することにより、水中音の「リスニングネットワーク」が確立されました。
しかし、巨大な水中世界には、非常に多くの音の情報も含まれています。クジラの鳴き声を録音していると、大量のノイズも蓄積されてしまいました。
Google は、膨大な記録データからこの情報をフィルタリングできるいくつかのアルゴリズム モデルを開発しました。声紋情報分析によりクジラの鳴き声を識別し、さらにディープニューラルネットワークを確立し、記録内のクジラの種類を自動的に識別します。
監視された音を処理スペクトログラムに変換し、これらのスペクトログラムから特定のクジラの声紋を見つけます。彼らはまた、この成果をウェブサイトツールの形で公開し、このツールを使用すると、水中音声を大規模に視覚化し、水中音の詳細を発見することができます。
この調査で Google が使用したモデルは次のとおりです。 レスネット-50 を使用して、教師あり学習、ラベル付きデータでトレーニング: アルゴリズムは、スペクトログラムを使用して、ラベル付きの音 (つまり、これはザトウクジラです、これはザトウクジラではありません) の例を示しました。アルゴリズムが学習する例が増えるほど、それらの音を識別する能力が向上します。最終的に、モデルは一部のクリップに次のものが含まれているかどうかを判断できます。 90%以上の精度と90%以上の再現率ザトウクジラは存在します。
これらの方法により、ザトウクジラの個体群は夏にはアラスカ付近に滞在し、冬には繁殖と出産のためにハワイ諸島に移動するなど、現実に即した生態の変化を監視することができます。
この研究はクジラの生態を理解するのに役立つかもしれない行動パターンと移動パターン、これは、クジラを保護するためのその後の戦略のサポートとなります。
テクノロジーは良いものです。私たちはクジラが決して絶滅しないことを願っています
最初のクジラは約 5,000 万年前に出現し、自然の法則の下でたくましく生き残り、長い進化の過程を経て世界最大の動物になりました。
人類は数百年前に商業捕鯨を開始し、捕鯨産業の隆盛に伴ってクジラが大規模に捕獲され、これまでに数十種のクジラが完全に絶滅した。 。 1961 年という最も狂気の年、捕鯨シーズンに、66,000頭ものクジラが殺されました。
捕鯨道具がますます進歩しており、最大級の捕鯨であっても人間の欲望には抗えません。
幸いなことに、クジラを保護するために努力しているテクノロジーやチームも増えています。私たちの子孫が歴史上の記録でクジラを見るだけでなく、この種の技術がもっと登場することを願っています。
- 以上 -