Når KI teller pingviner: høyteknologi i Antarktis
Den raske utviklingen av kunstig intelligens (KI) åpner nye muligheter for vitenskapelig forskning, særlig innen økologi. Et fremragende eksempel er et innovativt prosjekt fra det chilenske Antarktisinstituttet (INACH), som fokuserer på automatisert overvåking av pingvinpopulasjoner. Under ledelse av marinbiologen Magdalena Márquez Díaz brukes KI for å analysere livssyklusen til ringpingviner (Pygoscelis antarcticus) mer effektivt og presist.
Prosjektet er en del av programmet for marine verneområder (MPA) og har som mål å bedre forstå og beskytte økosystemene i Antarktis. Ved hjelp av kamerafeller og moderne bildebehandlingssystemer muliggjøres kontinuerlig datainnsamling uten at forskere må være til stede hele tiden. Denne metoden representerer et betydelig fremskritt sammenlignet med tradisjonelle, tid- og arbeidskrevende observasjonsmetoder.
Kjernen i prosjektet er en KI-algoritme basert på det nevrale nettverket YOLO (You Only Look Once). Dette datasynssystemet er trent med annoterte bildedata for å skille mellom voksne pingviner og unger. Dermed kan populasjoner telles automatisk, og viktige biologiske parametere som reproduksjonssuksess, ankomst- og avreisetidspunkt samt oppholdstid i koloniene kan bestemmes.
KI-en analyserer hvert år tusenvis av bilder fra kamerafellene. Mens manuell evaluering tidligere tok flere uker, skjer databehandlingen nå i løpet av få timer. Dette øker ikke bare effektiviteten, men også nøyaktigheten i de vitenskapelige resultatene.
Siden 2022 er det installert flere kamerafeller langs den antarktiske halvøya, blant annet på Kopaitic Island og Nelson Island. Disse enhetene opererer etter standardene til Commission for the Conservation of Antarctic Marine Living Resources innenfor rammen av økosystemovervåkingsprogrammet (CEMP). Én gang i året blir lagringsmodulene byttet ut, og dataene transporteres til Punta Arenas for analyse.
Til tross for de positive resultatene står prosjektet overfor tekniske utfordringer. Særlig vanskelig er det å gjenkjenne unger, siden de ofte skjules av voksne dyr eller er vanskelige å skille fra bakgrunnen på grunn av kamuflasjefargen. Likevel viser systemet allerede lovende resultater som stadig forbedres.
Den iterative naturen til KI-systemer gjør kontinuerlig optimalisering mulig. I fremtiden skal flere funksjoner integreres, som gjenkjenning av hekkeatferd, overvåking av overlevelsesrater og analyse av interaksjoner med andre arter, som rovjoer. Også identifisering av ulike pingvinarter ved hjelp av nye KI-metoder er planlagt.
Dette prosjektet illustrerer det enorme potensialet kunstig intelligens har innen biodiversitetsforskning. Ved å bruke automatiserte systemer kan store datamengder behandles effektivt, og nye vitenskapelige innsikter kan oppnås. Samtidig reduseres behovet for omfattende feltoppdrag, noe som både sparer kostnader og minimerer belastningen på sårbare økosystemer.
Konklusjon
Bruken av KI i overvåking av ringpingviner representerer et viktig fremskritt i antarktisk forskning. Prosjektet til INACH viser på en eksemplarisk måte hvordan moderne teknologi kan bidra til å løse komplekse økologiske problemstillinger. Med videre forbedringer og utvidelser vil denne metoden i fremtiden spille en enda viktigere rolle i beskyttelsen og forståelsen av Antarktis’ biologiske mangfold.
Rosamaria Kubny, PolarJournal
