AI-Destekli Akbabalar, Yaban Hayatı Koruma ve Hastalık Tespitini Devrimleştirebilir

Bilim insanları, büyük araziler boyunca leşleri takip etmek, vahşi yaşam ölümlerini izlemek, hastalıkları tespit etmek ve yasadışı faaliyetleri ortaya çıkarmak için akbabaları ve Yapay Zekayı kullanıyor.

Bilim insanları, doğal dedektörler olarak akbabaları kullanarak AI ile geniş manzaralarda hayvan leşlerini takip etmek için bir yöntem geliştirdiler. Bu çalışma, Uygulamalı Ekoloji Dergisi’nde yayınlandı.

İleri düzey biyo-loglama teknolojisini akbabaların doğuştan gelen leş yiyen davranışlarıyla birleştiren ekip, vahşi yaşam ölümlerini izlemeye, hastalık salgınlarını tespit etmeye ve hatta yasadışı vahşi yaşam öldürmelerini ortaya çıkarmaya yardımcı olabilecek bir sistem oluşturmuştur.

Araştırmacılar, hayvan etiketlerinden gelen verileri kullanarak beyaz sırtlı akbabaların davranışlarını otomatik ve doğru bir şekilde sınıflandırmak için AI algoritmasını geliştirdiler.

Leşçil olarak, akbabalar sürekli olarak leş aramaktadır ve ikinci bir Yapay Zeka algoritması eklenmesiyle, araştırmacılar artık etiketli akbabalardan gelen verileri kullanarak geniş arazilerde otomatik olarak leşleri tespit edebilirler.

Bu çalışma, yüksek irtifalardan leşleri bulma yetenekleri ile bilinen Afrika beyaz sırtlı akbabalar üzerine odaklandı.

Araştırma ekibi, hem yaban hayatında hem de tutsak olarak yaşayan 29 akbabanın üzerine biyo-logları yerleştirdi ve hareketlerini ve davranışlarını kaydetti. Bu kuşlardan toplanan veriler, beslenme veya uçma gibi altı farklı davranışı ayırt etmek için makine öğrenme teknikleri kullanılarak analiz edildi.

Bu verileri kullanarak, araştırmacılar, akbabaların çok fazla zaman harcadığı yerleri gruplandıran “kümeleme” adı verilen bir süreci GPS verilerine uyguladılar.

Kümeler, hayvan leşleriyle ilişkili olup olmadıklarını belirlemek için analiz edildi. Bu adım, akbabaların sıklıkla leşler etrafında gruplar halinde toplanmaları ve teknolojik yardım olmadan tam yerlerini belirlemenin zor olması nedeniyle son derece önemliydi.

Kümeler belirlendikten sonra, araştırmacılar bir AI algoritmasını, leşlerin bulunduğu alanlarla bulunmadığı alanlar arasındaki farkı ayırt edebilmesi için eğitti.

Sonuçlar etkileyiciydi: model, %92 hassasiyet ve %89 geri çağırma başarısı ile leş yerlerini yüksek doğruluk derecesiyle doğru bir şekilde belirleyebiliyordu. Sahada, ekipler bu verileri 1.900’ün üzerinde küme üzerinde araştırma yapmak için kullandılar ve bu kümelerin 580’inde leşlerin varlığını teyit ettiler.

Bu yaklaşımın başarısı, doğal hayvan davranışını AI teknolojisi ile birleştirerek karmaşık çevresel zorlukların üstesinden gelme potansiyelini göstermektedir.

Bu yöntem sadece akbabalar için değil, aynı zamanda diğer türlere de uyarlanabilir ve araştırmacılara su kaynakları veya yuvalama alanları gibi çeşitli ekolojik kaynakları takip etme olanağı sağlar.

Ayrıca, bu sistem vahşi yaşam korumasında daha geniş uygulamalara sahiptir. Araştırmacılar, vahşi doğada ölü hayvanları tespit ederek, hayvanlarda hastalık salgınlarını takip edebilir veya çevresel zehirlenme vakalarını belirleyebilir, örneğin Botsvana’daki fillerin ölümüne neden olan siyanobakteri toksinleri gibi.

Sistem, kaçak avcılık veya izinsiz hayvan atığı gibi yasadışı vahşi yaşam faaliyetlerini de ortaya çıkarabilir.

Bu yaklaşımın ana avantajlarından biri, çok sayıda etiketli akbaba üzerine dayanmamasıdır. Sistem, yalnızca bir akbabanın leş sahasında bulunduğu durumlarda bile çalışır, bu da onu maliyet açısından etkili ve geniş manzaralar boyunca uygulaması daha kolay hale getirir.

Bu esneklik, leş konumlarını teyit etmek için birden fazla etiketli akbaba gerektiren önceki yöntemlere göre önemli bir iyileştirmedir.

Leş tespiti dışında, bu yöntem, üreme mevsimleri sırasında yuva tanımlama gibi diğer vahşi yaşam davranışlarını izlemek için de uyarlanabilir.

Bu çok yönlülük, akbaba, biyo-loglama teknolojisi ve makine öğrenmesi kombinasyonunun, hayvan davranışlarını anlamak ve koruma çabalarını iyileştirmek için güçlü bir araç olabileceğini gösteriyor.

Sonuç olarak, bu çalışma, teknolojinin bir hayvanın doğal yeteneklerini nasıl kullanabileceğini ve vahşi yaşamı izlemeye ve korumaya yardımcı olabileceğini göstermektedir.

Koruma, hastalık izleme ve yasadışı aktivite tespiti için potansiyel uygulamalarıyla, bu araştırma, yaban hayatı yönetimi ve çevresel izleme için yeni bir yol sunmaktadır.