Künstliche Intelligenz erkennt Verhaltensweisen von Primaten in freier Wildbahn
(18.11.2021) Wissenschaftler der Universität Oxford haben neue Modelle der künstlichen Intelligenz (KI) entwickelt, um Verhaltensweisen von Schimpansen in freier Wildbahn zu erkennen.
Die Methode wird es Forschern und Tierschützern ermöglichen, den Zeit- und Ressourcenaufwand für die Analyse von Tierverhalten in Videoaufnahmen erheblich zu reduzieren, heißt es in dem in Science Advances veröffentlichten Artikel.
Das neue Computermodell wurde anhand von Videos von zwei Populationen wild lebender Schimpansen in Westafrika aus Bossou in Guinea und dem Cantanhez-Nationalpark in Guinea-Bissau trainiert, um verschiedene Verhaltensweisen zu erfassen: Nüsse knacken, Fressen und Trommeln auf dem Boden.
Das Tool ist das erste seiner Art zur automatischen Erkennung von Verhaltensweisen bei wildlebenden Primaten anhand von Audio- und Videoaufnahmen und baut auf früheren Arbeiten auf, bei denen eine automatische Methode zur Verfolgung und Identifizierung von Individuen anhand der Gesichtserkennung entwickelt wurde.
Unsere Modelle können auf Tausende von Stunden an Videoaufnahmen von Schimpansen in ihrem natürlichen Lebensraum aus Kamerafallen oder Archivmaterial angewendet werden", sagt Max Bain, Forscher und Doktorand an der Fakultät für Ingenieurwissenschaften der Universität Oxford. Wir verwenden Methoden des tiefen Lernens mit Netzwerken, die in der Lage sind, sowohl den Audio- als auch den visuellen Informationsstrom aus einem Video aufzunehmen, was in der freien Wildbahn von entscheidender Bedeutung ist, wo ein Tierverhalten zwar gehört, aber nicht gesehen werden kann (z. B. das Knacken von Nüssen hinter einem Baum) oder unhörbare Aktionen.
Mit dem weit verbreiteten Einsatz von Kamerafallen-Datenbanken und der Verwendung von Langzeit-Videoarchiven in der Feldforschung wird es immer schwieriger, die schiere Menge an tierischen Verhaltensweisen durch menschliche Forscher zu erfassen.
Bei Arten wie Schimpansen, die eine bemerkenswerte Verhaltenskomplexität aufweisen, bietet der standortübergreifende Vergleich von Videodatensätzen unter Verwendung von KI eine aufregende Möglichkeit, subtile Unterschiede zwischen Gruppen und die Entwicklung des Verhaltens im Laufe der Zeit in einem Umfang und einer Tiefe zu erfassen, die bisher nicht möglich waren", sagt Daniel Schofield, Forscher und Doktorand am Primate Models Lab des Instituts für Humanwissenschaften der Universität Oxford.
Die Methode ist neuartig, da sie die Identifizierung von Individuen aus früheren Ansätzen mit der audiovisuellen Verhaltenserkennung kombiniert, um einen umfassenderen Einblick in die Komplexität des Lebens der Tiere zu gewinnen.
Unsere Methode ist nicht auf Schimpansen beschränkt und kann trainiert werden, um jedes Verhalten zu erkennen", sagt Bain. Wir hoffen, dass andere Teams und Forscher unsere bahnbrechenden Methoden auch auf andere Tierarten anwenden können.
Die Überwachung riesiger Datenmengen aus der Feldforschung wild lebender Arten ist ein entscheidender Bestandteil der Bemühungen um die Erhaltung der biologischen Vielfalt. Der Einsatz von Verhaltenserkennung unter Verwendung von KI hat das Potenzial, neue Verhaltensindikatoren zu erfassen, mit denen sich die Lebensfähigkeit bedrohter Populationen genauer messen lässt.
Letztendlich kann uns dies helfen, die sozialen und ökologischen Triebkräfte des Verhaltens zu untersuchen und zu beobachten, wie diese Gemeinschaften auf Umweltbelastungen durch den Klimawandel und die Zerstörung von Lebensräumen durch menschliche Aktivitäten reagieren", sagt Schofield.
Als Informatiker ist es äußerst befriedigend zu sehen, wie diese Methoden zur Lösung echter, anspruchsvoller Biodiversitätsprobleme eingesetzt werden", fügt Arsha Nagrani hinzu, eine Mitautorin, die jetzt bei Google Research tätig ist.
An der internationalen Zusammenarbeit waren auch Wissenschaftler anderer Einrichtungen im Vereinigten Königreich (Universität Exeter), in Japan (Chubu Gakuin University, Japan Monkey Centre) und in den USA (University of Rochester, California Institute of Technology) beteiligt.