Дослідники Кембридзького університету розробили інноваційну модель штучного інтелекту, що дозволяє визначати потенційні місця перебування їжаків у Великій Британії за допомогою супутникових знімків. Оскільки ці тварини занадто малі, щоб їх можна було безпосередньо побачити із космосу, фахівці зосередили увагу на аналізі заростей ожини — саме у таких заростях їжаки знаходять укриття та джерела їжі.
Про це розповідає Finway
Супутникові технології та машинне навчання для захисту біорізноманіття
Для реалізації проєкту дослідники використали дані супутників Sentinel Європейського космічного агентства у поєднанні з алгоритмами машинного навчання. Модель поєднує методи логістичної регресії, аналізу найближчих сусідів і систему TESSERA для обробки супутникових зображень. До цього комплексу додали спостереження громадських науковців, зібрані через платформу iNaturalist.
Такий комбінований підхід дозволив створити детальну карту ймовірних місць проживання їжаків по всій території Великої Британії. Для перевірки точності моделі були проведені польові випробування у Кембриджі: дослідники порівнювали прогнози штучного інтелекту з реальними даними, що дозволило впевнено виявляти великі відкриті зарості ожини. Водночас фіксація менших кущів під деревами залишалася складнішою через обмеження супутникових знімків.
Можливості для моніторингу екосистем та подальший розвиток
Хоча проєкт перебуває на ранній стадії, автори вважають його перспективним альтернативним інструментом для моніторингу популяцій вразливих видів. Супутникова аналітика дозволяє охоплювати великі території, що значно ефективніше за традиційні трудомісткі нічні спостереження. Науковці підкреслили, що наразі це доказ концепції та модель ще не пройшла повноцінну наукову рецензію. Однак команда планує розширювати тестування та розробити систему активного навчання, яку можна буде використовувати у польових умовах через мобільні пристрої.
“Представники університету підкреслили, що потенційні можливості методу виходять далеко за рамки захисту їжаків. Подібні алгоритми можуть застосовуватися для моніторингу інвазивних рослин, сільськогосподарських шкідників або відстеження змін в екосистемах”.
Проєкт демонструє, як сучасні інструменти штучного інтелекту можуть ефективно доповнювати класичні методи польових досліджень та сприяти збереженню біорізноманіття.