წარმოიდგინეთ, სმარტფონის კამერას საქართველოს საძოვარზე ძროხისკენ მიმართავთ და წამებში აპლიკაცია გთავაზობთ, ქვეყნის ათობით ძირძველი ჯიშიდან რომელს განეკუთვნება ის. იგივე ტექნოლოგია, ბაღში მჯდომ ჩიტზე ან ტყეში ფოტოხაფანგით დაჭერილ ცხოველზე მიმართული, მის სახეობასაც ასახელებს. ორივე შემთხვევაში საქმე ერთსა და იმავე პრინციპს ეყრდნობა: AI მოდელი სწავლობს ცხოველის ამოცნობას მისი ვიზუალური ნიშნებით — ისე, როგორც გამოცდილი მეჯოგე თუ ბუნებისმეტყველი ცნობდა მას, იმ განსხვავებით, რომ მოდელი ამას ათასობით საცნობარო ფოტოზე ვარჯიშით სწავლობს, და არა წლების გამოცდილებით.
როგორ მუშაობს ეს ტექნოლოგია
ეს ხელსაწყოები აგებულია კომპიუტერული ხედვის მოდელებზე — ჩვეულებრივ, ნეირონულ ქსელზე, რომელიც ვარჯიშობს ათასობით ისეთ ფოტოზე, სადაც სწორი სახეობა თუ ჯიშია მონიშნული. ვარჯიშის დროს მოდელი თანდათან სწავლობს, ვიზუალური ნიშნების რომელი კომბინაცია — ბეწვის ფერი და ნიმუში, რქის ფორმა, ყურის ზომა, სხეულის პროპორციები, ბუმბულის შეფერილობა — რომელ კატეგორიას შეესაბამება. უმეტესობა ნულიდან არ იწყებს: იყენებენ უკვე დავარჯიშებულ ქსელს, რომელმაც მილიონობით ზოგადი სურათი უკვე „ნახა”, შემდეგ კი მას ვიწრო, კონკრეტული ამოცანისთვის მონიშნულ მონაცემებზე აზუსტებენ — ამ მიდგომას გადატანითი სწავლება ეწოდება.
ახალი ფოტოს მიღებისას მოდელი ერთ საბოლოო პასუხს კი არ იძლევა, არამედ საკუთარ ვარაუდებს სანდოობის მიხედვით ალაგებს — „80% სავარაუდოდ X-ია, 15% — Y” — რადგან ვიზუალურად მსგავსი ჯიშების თუ ახლონათესავი სახეობების ერთი ფოტოდან გარჩევა ხშირად ნამდვილად რთულია, განსაკუთრებით მაშინ, როცა მოდელს იშვიათი ჯიშის მხოლოდ რამდენიმე მაგალითი აქვს ნანახი.
ჯერ შემჩნევა, მერე ამოცნობა
ცხოველის ამოცნობა სინამდვილეში ორ განცალკევებულ ამოცანად იშლება. ჯერ საჭიროა იმის შემჩნევა, საერთოდ არის თუ არა კადრში ცხოველი — რაც განსაკუთრებით მნიშვნელოვანია მაშინ, როცა მოძრაობაზე რეაგირებადმა ერთმა ფოტოხაფანგმა შეიძლება მილიონობით, ძირითადად ცარიელი კადრი გადაიღოს. მაიკროსოფტის ღიაკოდიანი MegaDetector, რომელსაც 80-ზე მეტი საკონსერვაციო პროგრამა იყენებს, სწორედ ამ პირველ საფეხურს ასრულებს — ცხოველებს, ადამიანებსა და ტრანსპორტს დაახლოებით 95%-იანი სიზუსტით გამოყოფს. მხოლოდ ამის შემდეგ ცდილობს მეორე, უფრო სპეციალიზებული მოდელი გაცილებით რთულ ამოცანას — ზუსტი სახეობის ან ჯიშის დასახელებას. ამოცანის ასე გაყოფა იმას ნიშნავს, რომ ერთივე დეტექტორი ათობით სხვადასხვა კლასიფიკატორს „კვებავს” — ერთს ადგილობრივი ჩიტებისთვის, მეორეს პირუტყვისთვის და ასე შემდეგ.
რატომ ცდება ხანდახან მოდელი
სიზუსტე მთლიანად საწვრთნელ მონაცემებზეა დამოკიდებული. სახეობა თუ ჯიში, რომელსაც ათასობით მონიშნული საცნობარო ფოტო აქვს, საიმედოდ იცნობა; ისეთი, რომელსაც მხოლოდ რამდენიმე მაგალითი გააჩნია — ვერა. ზუსტად ეს პრობლემა ექმნება FAO-ს საქართველოს იმ იშვიათი ჯიშების შემთხვევაში, რომლებიც აქამდე სისტემურად არასდროს ყოფილა დაფოტოებული. სიზუსტეზე ასევე გავლენას ახდენს განათება, კამერის კუთხე და ის, რამდენად განსხვავდება სახეობა ვიზუალურად მონათესავე სახეობებისგან — სწორედ ამიტომ გვთავაზობენ ეს ხელსაწყოები ალაგებულ ვარაუდებს ერთი საბოლოო პასუხის ნაცვლად, და სწორედ ამიტომ სჭირდება შედეგს ადამიანის გადამოწმება, სანამ ის ფაქტად იქნება მიჩნეული.
რატომ აქვს ამას მნიშვნელობა
საკონსერვაციო ორგანიზაციებისთვის ეს პროცესი ფოტოხაფანგების უთვალავ ფოტოს გამოსადეგ მონაცემად აქცევს — პოპულაციის დინამიკის თვალყურის დევნება, გადაშენების პირას მყოფი სახეობის ყოფნის დაფიქსირება ან ბრაკონიერობის ნიშნების აღმოჩენა შესაძლებელი ხდება ხელით დახარისხების თვეების გარეშე. სოფლის მეურნეობაშიც იგივე მიდგომა ეხმარება პირუტყვის გენეტიკის დოკუმენტირებას: იმის ცოდნა, ცხოველი ზუსტად რომელ ჯიშს განეკუთვნება, მკვლევრებს საშუალებას აძლევს, თვალი ადევნონ პოპულაციის რაოდენობას, გენეტიკურ მრავალფეროვნებას და იმას, რამდენად შემორჩა ის დღემდე.
ზუსტად ამ პრობლემას ეჭიდება FAO ახლა საქართველოში. ქვეყნის სოფლის მეურნეობის სამეცნიერო-კვლევით ცენტრთან ერთად გაეროს ეს სააგენტო საქართველოს მთიან რეგიონებში ძირძველი ჯიშის პირუტყვს აფოტოებს, რათა შექმნას მონიშნული საცნობარო ბაზა — საფუძველი დაგეგმილი მობილური აპლიკაციისთვის, რომელიც საველე მუშაკს ცხოველის ფოტოდან მყისიერად ჯიშის ვარაუდის მიღების საშუალებას მისცემს. მონაცემები ასევე FAO-ს გლობალურ შინაური ცხოველების გენეტიკური მრავალფეროვნების საინფორმაციო სისტემას (DAD-IS) გაამდიდრებს, სადაც საქართველოს უკვე 48 ჯიში ჰყავს რეგისტრირებული.
ვისაც პირუტყვის ნაცვლად მცენარეებსა თუ ველურ ცხოველებზე ამ ტექნოლოგიის გამოცდა სურს, ამის საშუალება უკვე აქვს: Seek by iNaturalist უფასო აპლიკაციაა, რომელიც კამერაში მოხვედრილს იცნობს iNaturalist-ის მოქალაქური მეცნიერების პლატფორმის მილიონობით დაკვირვებაზე დავარჯიშებული მოდელით — და დაახლოებით 30,000 სახეობას ფარავს.
რას მოუტანს ეს საქართველოს
ეს ინიციატივა აბსტრაქტული არ არის. ქართული მთის ჯიში — ქვეყნის ერთ-ერთი უძველესი ჯიში — კავკასიის მკაცრ ზამთარსა და მწირ მთის საკვებს არის შეგუებული, თუმცა მისი რაოდენობა ათწლეულებია მცირდება: 1980 წელს დაახლოებით 80,000 სული ითვლებოდა, 2000-იანების შუა პერიოდისთვის კი 30,000-ს ჩამოსცილდა, სრული აღწერა მას შემდეგ აღარ ჩატარებულა. თუ არ არსებობს საიმედო მონაცემები, რომელ ცხოველს რომელი ჯიში განეკუთვნება, მეჯოგეებისთვის თუ მარეგულირებლებისთვის რთულია იმის შეფასება, რამდენი გენეტიკური მრავალფეროვნება შემორჩა დასაცავად. AI ხელსაწყო, რომელსაც ჯიშის დადასტურება ტელეფონის ფოტოდან შეუძლია — მცირერიცხოვანი გამოცდილი ექსპერტების იმედად ყოფნის ნაცვლად — ამ მასშტაბის ეროვნულ აღწერას რეალისტურს ხდის. ეს ასევე უკავშირდება კონსერვაციის იმ სამუშაოს, რომელიც საქართველოს ფარგლებს გარეთაც მიმდინარეობს, ფოტოხაფანგებით მონიტორინგიდან დაწყებული, გადაშენების პირას მყოფი სახეობების თვალყურის დევნებით დამთავრებული.
სიახლეებში
მეტი FAO-ს ამ პროექტის შესახებ იხილეთ ჩვენს მასალაში: FAO საქართველოს ძირძველი პირუტყვის ჯიშების ამოსაცნობად AI ხელსაწყოს ქმნის.