תמונות פליקר ציבוריות יכולות לסייע בשימור חיות הבר

האם אי פעם היו לך תמונות של חיה או אפילו צמח פוטובומב ששיתפת בפומבי במדיה החברתית? גם אם לא התכוונת, ייתכן שאתה עוזר למדענים לשימור לגלות יותר על היכן נמצאים הדברים הפראיים. כאשר מערכות אקולוגיות משתנות במהירות, מדענים מתאמצים להבין כיצד צמחים ובעלי חיים שונים מגיבים, והאם הם נשארים במקום, או צצים במקום אחר.

קבוצת חוקרים מאוניברסיטת קרדיף בוויילס יצאה לבדוק אם צילום קהילה מקוון מרכז כמו פליקר יכול לשמש כדי לעקוב אחר תפוצת מינים פולשים ומקומיים ברחבי ארצות הברית מַלְכוּת. מחקר המקרה שלהם פורסם בשבוע שעבר בכתב העת PLOS ONE.

תומס אדוארדס, חוקר מדעי המחשב באוניברסיטת קרדיף ומחבר בעיתון, אומר שהוא ועמיתיו התעניינו בשימוש במדיה חברתית ל"מדע אזרחי פסיבי" לאחר שנודע שארגוני שימור רבים נאבקו להשיג מספיק מימון כדי לשכור מומחים ללכת ולעסוק בתחום נרחב תצפיות.

[קָשׁוּר: רובוטים אלה שצפים חופשיים יכולים לפקח על בריאות האוקיינוסים שלנו]

לפרויקט היו שורשים לא סבירים: כמה קבוצות בקרדיף באותה תקופה השתמשו במדיה חברתית כדי לזהות מהומות בהמונים. "דיברנו על להביא דבר דומה, כי יש אפילו יותר אנשים שמצלמים בית או חתול או קיסוס. יש הרבה אנשים שיוצאים לטיולים בטבע", אומר אדוארדס. "כל זה מידע טוב מאוד, ועם מדיה חברתית, הכל מתויג גיאוגרפי. אתה יכול להדגיש את זה כמעט טוב יותר מאשר [עם] מחקרים מסורתיים." וגם אם תמונה ממוקדת על א חיה ספציפית, כמו יונה, אולי יש מינים אחרים שאורבים ברקע שאף אחד לא חשב עליהם תיוג.

מדע אזרח פעיל הפך להיות משאב מדהים לאיסוף מידע אקולוגי. "החיסרון של זה הוא שזה כן מסתמך על הכוננים האלה, ומישהו מקבל תשלום איפשהו כדי להקים קמפיין כדי לעשות את זה", מסביר אדוארד. "אתה מקבל קבוצות נאגט שיתנו לך נתונים יפים מאוד, אבל אתה לא משיג את דודה דוריס מהכביש, מצלמת ציפור בגינה האחורית שלה." 

[קָשׁוּר: רבע מהמינים הפולשים החדשים זוהו על ידי אזרחים-מדענים יומיומיים]

מצד שני, עם מדע אזרחי פסיבי, חוקרים יכולים לסרוק פלטפורמות ציבוריות כמו פליקר כדי לאסוף כמה שיותר מופעים של חיות בר (מכוונות ולא מכוונות). "אתה תקבל הרבה זבל עם זה, אבל תקבל הרבה יותר נתונים. זה המקום שבו נכנסים גישות כמו זה וסיווג כי אז אתה יכול לסנן דרכו", מוסיף אדוארד. "זה אולי לא נחמד כמו מסע פרסום מושלם שבו אתה בודק את כל האנשים שעושים את זה, אבל אתה עדיין מקבל הרבה נתונים, והוא עדיין מספיק מדויק כדי שזה נותן לך תועלת." 

בשנת 2021, אין כל כך הרבה אנשים שמשתמשים בפליקר כמו פעם. אבל הפלטפורמה סיפקה לאדוארדס ולצוות שלו ערכת התחלה נחמדה לבחון את התוכנית שלהם, מכיוון שפליקר מתמקדת בצילום, ו צלמים נוטים להזין הרבה יותר פרטים יחד עם התמונות שלהם כמו תגיות של אילו פריטים מופיעים בתמונה, ומתי ואיפה היא הייתה נלקח. פליקר קשורה גם לאפליקציית מדע האזרחים iNaturalist, שיש למשתמשים רבים בהשוואה לפוקימון גו אלא לבעלי חיים אמיתיים.

לצורך מחקר זה, אדוארדס וצוותו רצו להתמקד בעיקר בשאלה האם האלגוריתם יכול לזהות נכון אם יש תצפית על חיות בר בתצלום. "זה לא משנה אם זה מתויג לא נכון", הוא אומר. "אם נוכל להשיג את זה, נוכל להמשיך מאוחר יותר ולחשוב מה זה." 

שילוב של Google API עם ה-National Biodiversity Network Atlas

החוקרים השתמשו ב-Google Cloud Vision API, שפועל כמו חיפוש תמונות הפוך שיכול להחזיר מילות מפתח או תוויות שמתארות את התוכן בתמונה. גוגל עבדה בעבר עם ארגונים לשימור חיות בר במטרה ליצור פלטפורמה מבוססת ענן מונעת בינה מלאכותית שיכול לעזור לסווג מיני בעלי חיים בתמונות.

שמות המינים והתמונות מותאמים לאחר מכן לכ-1,500 בעלי חיים וצמחים במדינה רשת המגוון הביולוגי (NBN) Atlas, מערך הנתונים הגדול ביותר המכיל מידע על תפוצת המינים ב הממלכה המאוחדת. אוסף זה התרכז במינים המיוצגים בצורה הטובה ביותר וכן במינים הפולשים הנפוצים ביותר.

"אנחנו משתמשים בגוגל כדי ליצור חבורה של תגים, ואז הקידוד שלנו נכנס וקובע: האם זו חיות בר או לא?" אדוארד מסביר. "אנחנו לוקחים את התגים ואת המיקומים ומה שהאלגוריתם שלנו מוצא הוא ההסתברות שזה יהיה אמיתי או לא אמיתי." 

כמובן, אדוארדס ושותפיו בדקו את עבודת האלגוריתם, ולפעמים הוציאו תגים כדי שהאלגוריתם לא יוסיח יותר מדי על ידי אובייקטים שאינם חיות בר בתמונה. כל אחד מהם עבר על אלפי תמונות באופן ידני, אבל בסך הכל, מה שהם אימתו נראה תואם את מה שאמר המסווג. ממשק ה-API של Google Cloud Vision עצמו אינו מושלם. לדוגמה, זה לא יכול היה להבחין בין פרת משה רבנו 10 נקודות לפרת משה רבנו 22 נקודות. הוא גם לא יכול להבחין בין מינים מסוימים שנראים דומים, כמו קוקיות ודורים.

[קָשׁוּר: צפרים הנה: אפליקציית מרלין של קורנל היא כעת חנות אחת לזיהוי ציפורים]

כמו כן, כמה תעלומות מוזרות נאלצו להיפתר על ידי מוחות אנושיים. "יש קבוצת רוגבי בסוונסי שנקראת Ospreys. סוונסי היא אזור שבו עיתונים מעולם לא נראו לפני כן, ופתאום, אנחנו מקבלים את כל התגים האלה של עיתונים, וזה כאילו הו לא!" אומר אדוארדס. אבל הם יכולים לסנן את התגים האלה כזבל ולא כאירוע של חיות בר, והאלגוריתם ילמד את זה.

באופן כללי, אנשים הכי אהבו לצלם ציפורים שהיו פעילות בשעות היום, והיה להם את ההתאמות הטובות ביותר עם האוספים באטלס NBN. המינים שהאלגוריתם התקשה ביותר לזהות היו צמחים פולשים כמו קיסוסים, שבדרך כלל מתחבקים על בתים או קירות. אפילו על ידי שינוי התגים, נראה שהאלגוריתם לא הצליח להסיט את תשומת הלב שלו מהמבנים הגדולים האלה לצמחים שהיו על המבנים האלה.

לאחר שהוכיח שהאלגוריתם יכול לעבור דרך תמונות פליקר ציבוריות כדי לזהות נכון חיות בר סביבתיות עם דיוק בטווח של 70-80 אחוז, אדוארדס וצוותו חושבים על מרחיב את השימוש בו לפלטפורמות אחרות כמו טוויטר ופייסבוק, אבל הוא מדמיין שזה יהיה קצת מאתגר לביצוע מכיוון ש"אנשים מתחילים להיות הרבה יותר מודעים לנתונים".

המטרה הנוספת שהוא רוצה לבדוק היא לראות שניתן להשתמש באלגוריתם הזה כדי לעקוב אחר מינים מזוהים לאורך זמן. "אתה יכול להתחיל לחפש דפוסי הגירה, ולהקרין מסלולים עבורם", אומר אדוארדס. "יש בזה הרבה עניין, כי אתה יכול להתחיל לחזות את שינויי האקלים דרך המקום שבו חיות נעות לפני שנוכל לראות את זה."