Машинное обучение помогает прогнозировать миграцию птиц и распознавать их по голосам

Машинное обучение, помимо привычных применений, меняет и такие области, как орнитология. Оно решает серьёзные задачи в изучении миграции птиц и расширяет способы взаимодействия людей с пернатыми.

Проблема сохранения перелётных птиц

Большинство птиц в Западном полушарии мигрируют дважды в год, преодолевая целые континенты. Эти путешествия сопряжены с опасностями: экстремальная погода, нехватка пищи и световое загрязнение, которое приводит к столкновениям с постройками.

Наша способность защищать перелётных птиц зависит от данных об их путях. Наука прошла путь от мечения птиц кольцами в 1920-х (программа USGS Bird Banding Laboratory) до современных лёгких GPS-трекеров. Однако отследить можно лишь крошечную долю из 4 миллиардов птиц, мигрирующих ежегодно. Данные трекеров показывают, где птицы были, но не предсказывают, куда они направятся.

Прогнозирование миграции с помощью машинного обучения

Ключевую роль здесь играет машинное обучение. Учёные используют данные сети радаров NEXRAD, которые фиксируют не только погоду, но и птиц в атмосфере.

Проект BirdCast (Колорадский университет, Корнеллская лаборатория орнитологии, Массачусетский университет) использует машинное обучение для анализа этих данных:

• Алгоритмы автоматически отделяют сигналы птиц от "шума" (нептичьих объектов) в радарных данных, что вручную было бы невыполнимо.
• Обученная модель, понимая связь между атмосферными условиями и миграцией, позволяет прогнозировать интенсивность перелётов по континентальным США.

В 2021 году учёные из Корнеллской лаборатории создали систему, которая с помощью машинного обучения распознаёт видовые ночные позывки птиц в полёте. Интеграция этого метода с BirdCast может дать ещё более полную картину.

Эффективность этих инструментов — результат сотрудничества экспертов в орнитологии (например, автора статьи) и специалистов по машинному обучению (как постдок Али Халигифар).

Инструмент для вовлечения общественности

Машинное обучение помогает вовлекать людей в охрану птиц:

• Прогнозы BirdCast используются в кампаниях "Lights Out", чтобы в пик миграции уменьшать световое загрязнение городов и предотвращать гибель птиц.
• Приложение Merlin от Корнеллской лаборатории с функцией Sound ID в реальном времени распознаёт птичьи песни и крики, подобно Shazam. "Это наш самый большой успех в воссоздании магии birding с опытным натуралистом", — говорит Грант Ван Хорн, разработавший алгоритм.

Взлёт технологий

Возможности применения машинного обучения в орнитологии будут расти. Данные, собранные наблюдателями, откроют новые перспективы. Однако, как подчёркивает Ван Хорн: "Любой успешный проект машинного обучения имеет огромную человеческую составляющую. Именно поэтому эти проекты преуспевают".