Les photos de la faune sont un trésor pour la recherche sur la conservation basée sur l’IA

Si vous regardez une photographie de léopards, seriez-vous capable de dire lesquels sont apparentés en fonction de leurs taches ?

À moins que vous ne soyez un expert du léopard, la réponse est probablement non, déclare Tanya Berger-Wolf, directrice du Translational Data Analytics Institute (TDAI) à l’Ohio State University. Mais, dit-elle, les ordinateurs le peuvent.

Berger-Wolf et son équipe sont les pionniers d’un nouveau domaine d’étude appelé l’imageomique. Comme son nom l’indique, l’imageomique utilise l’apprentissage automatique pour extraire des données biologiques à partir de photos et de vidéos d’organismes vivants. Berger-Wolf et son équipe ont récemment commencé à collaborer avec des chercheurs qui étudient les léopards en Inde pour comparer les modèles de taches des mères et des enfants à l’aide d’algorithmes.

« Les images sont devenues la source d’information la plus abondante, et nous avons aussi la technologie. Nous avons l’apprentissage automatique de la vision par ordinateur », explique Berger-Wolf. Elle compare cette technologie à l’invention du microscope, offrant aux scientifiques une façon complètement différente d’observer la faune.

S’appuyant sur la plate-forme open source de TDAI appelée Wildbook, qui aide les chercheurs de la faune à rassembler et à analyser des photos, l’équipe se concentre désormais sur des approches d’IA génératives. Ces programmes utilisent le contenu existant pour générer des données significatives. Dans ce cas, ils tentent d’analyser des images de crowdsourcing pour rendre calculables des traits biologiques que les humains peuvent naturellement manquer, comme la courbure de la nageoire d’un poisson – ou les taches d’un léopard. Les algorithmes analysent des images de léopards accessibles au public en ligne, des médias sociaux aux collections de musées numérisées.

En termes simples, les algorithmes « quantifient la similitude », dit-elle. L’objectif est d’aider les chercheurs sur la faune à surmonter un problème de manque de données et, en fin de compte, à mieux protéger les animaux menacés d’extinction.

L’apprentissage automatique peut être utilisé pour identifier toutes les parties pertinentes d’une photo, y compris la faune d’intérêt.
Photo de Tanya Berger-Wolf

Les écologistes et autres chercheurs sur la faune sont actuellement confrontés à un manque de données – il est fastidieux, coûteux et chronophage pour les gens de passer du temps sur le terrain à surveiller les animaux. En raison de ces défis, 20 054 espèces figurant sur la Liste rouge des espèces menacées de l’Union internationale pour la conservation de la nature (UICN) sont étiquetées comme “données insuffisantes”, ce qui signifie qu’il n’y a pas suffisamment d’informations pour évaluer correctement son risque d’extinction. Comme le résume Berger-Wolf, “les biologistes prennent des décisions sans avoir de bonnes données sur ce que nous perdons et à quelle vitesse”.

La plate-forme a commencé par un apprentissage supervisé – Berger-Wolf dit que l’ordinateur utilise des algorithmes “plus simples que Siri” pour compter le nombre d’animaux dans l’image, ainsi que l’endroit où elle a été prise et quand, ce qui pourrait contribuer à des mesures telles que le décompte de la population. Non seulement l’IA peut le faire à un coût bien inférieur à celui de l’embauche de personnes, mais également à un rythme plus rapide. En août 2021, la plateforme a analysé 17 millions d’images automatiquement.

Il existe également des obstacles que seul un ordinateur peut sembler surmonter. “Les humains ne sont pas les meilleurs pour déterminer quel est l’aspect informatif”, dit-elle, notant à quel point les humains sont biaisés dans la façon dont nous voyons la nature, en se concentrant principalement sur les traits du visage. Au lieu de cela, l’IA peut rechercher des caractéristiques que les humains manqueraient probablement, comme la gamme de couleurs des ailes d’un papillon de nuit du tigre. Une étude de mars 2022 a révélé que l’œil humain ne pouvait pas distinguer les génotypes mâles polymorphes de la teigne du tigre des bois – mais les modèles de vision des papillons sensibles à la lumière ultraviolette le pouvaient.

“C’est là que se trouve toute la véritable innovation dans tout cela”, déclare Berger-Wolf. L’équipe met en œuvre des algorithmes qui créent des valeurs de pixel d’animaux à motifs, comme les léopards, les zèbres et les requins-baleines, et analysent les points chauds où les valeurs de pixel changent le plus – c’est comme comparer des empreintes digitales. Ces empreintes digitales permettent de suivre les animaux de manière non invasive et sans colliers GPS, de les compter pour estimer la taille des populations, de comprendre les schémas de migration, etc.

Comme le souligne Berger-Wolf, la taille de la population est la mesure la plus fondamentale du bien-être d’une espèce. La plate-forme a numérisé 11 000 images de requins-baleines pour créer des points chauds et aider les chercheurs à identifier les requins-baleines individuels et à suivre leurs mouvements, ce qui a conduit à des informations actualisées sur la taille de leur population. Ces nouvelles données ont poussé l’UICN à changer le statut de conservation du requin baleine de “vulnérable” à “en danger” en 2016.

Il existe également des algorithmes utilisant la reconnaissance faciale pour les primates et les chats, qui se sont avérés précis à environ 90 %, contre environ 42 % pour les humains.

L’IA générative est encore un domaine en plein essor en matière de conservation de la faune, mais Berger-Wolf est plein d’espoir. Pour l’instant, l’équipe nettoie les données préliminaires des points chauds du léopard pour s’assurer que les résultats ne sont pas des artefacts de données – ou défectueux – et sont de véritables informations biologiquement significatives. Si elles sont significatives, les données pourraient enseigner aux chercheurs comment les espèces réagissent aux changements d’habitats et de climats et nous montrer où les humains peuvent intervenir pour aider.

Leave a Comment