Bahçede bir kuşun ötüşünü duyup saniyeler içinde türünü belirleyebilmek artık bilim kurgu değil. Sayesinde... Sese uygulanan yapay zekaGünümüzde, kuş türlerini ötüşlerinden neredeyse cebimizde bir ornitolog varmış gibi tanımlayabiliyoruz. Yenilik ise bu araçların bir adım öteye taşınması: giderek daha fazla proje, bu tanımlamayı aşırı koşullarda bile güvenilir hale getirmeyi hedefliyor. İnternet bağlantısı yokOrmanlardan, yüksek dağlardan veya ücra kırsal bölgelerden geçerken bu çok önemlidir.
Buna paralel olarak, uzmanlar tarafından özenle etiketlenmiş devasa ses veritabanları yayınlanmakta olup, bu veritabanları bu sistemleri eğitmek ve geliştirmek için kullanılmaktadır. Bu kombinasyon Kaydediciler, algoritmalar ve vatandaş bilimi Bu, biyoçeşitliliği izleme şeklimizi değiştiriyor ve yeni kapılar açıyor. Şarkıya dayalı kuş tanımlama uygulamaları Bu sayede daha istikrarlı, hızlı ve giderek daha fazla çevrimdışı modda da çalışabiliyorlar.
BirdNET: kuşları ötüşlerinden tanıyan yapay zeka
Bu alandaki en yenilikçi projelerden biri şudur: KuşNETCornell Ornitoloji Laboratuvarı'ndaki K. Lisa Yang Koruma Biyoakustiği Merkezi ve Chemnitz Teknoloji Üniversitesi tarafından ortaklaşa geliştirilen bu araç, aşağıdakilere dayanmaktadır: derin sinir ağları Binlerce saatlik ses kaydıyla eğitilmiş olup, bir şarkı veya çağrı kaydından en olası türü önerebilmektedir.
BirdNET uygulaması, herkesin ortam seslerini kaydetmesine olanak tanır. Android telefonunuzun mikrofonu Ve sadece birkaç saniye içinde hangi kuşların öttüğüne dair bir tahmin alabilirsiniz. Ayrıca önceden kaydedilmiş ses dosyalarını da yükleyerek, uygulamayı daha kullanışlı hale getirebilirsiniz. son derece esnek saha aracıKayıt cihazını uzak bir yere bırakabilir, dosyaları yanınıza alabilir ve daha sonra uygulama veya ilgili araçlarla analiz edebilirsiniz.
Sistem sadece bir isim vermekle kalmıyor, aynı zamanda bir şeyi de belirtiyor. olasılık seviyesi Tespit edilen her tür için. Bu, sonuçları yorumlarken çok önemlidir: kullanıcı sonogramda hangi seslerin tespit edildiğini görebilir, önerileri kontrol edebilir ve bunların bağlamda (yaşam alanı, yılın zamanı vb.) mantıklı olup olmadığını değerlendirebilir. Otomatik öneriler ve insan doğrulaması kombinasyonu, BirdNET'in yaklaşımının özünü oluşturmaktadır.
Bir bilgisayar kuş ötüşlerini nasıl tanımayı öğreniyor?
Bir bilgisayarın ötüşüne bakarak bülbülü serçeden ayırt edebilmesi için, belirli bir eğitim programıyla eğitilmesi gerekir. çok sayıda etiketli kayıtBirdNET, yapay zeka ve derin öğrenme modelleri kullanarak sesi analiz eder ve spektrogramlar gibi sesin görsel temsillerine dönüştürür; bu sayede frekansın zaman içinde nasıl değiştiğini görebilirsiniz.
Eğitim sırasında algoritma, her türden binlerce şarkı örneği alır. Her bir parçaya hangi kuşun şarkı söylediği ve çoğu durumda seslendirme türü de belirtilir. Zamanla sinir ağı tanımayı öğrenir. Tını, yapı ve ritimdeki karakteristik kalıplar Her türün kalıplarını öğrenir. Ardından yeni bir ses duyduğunda, bu kalıpları öğrendikleriyle karşılaştırarak olası türlerin bir listesini oluşturur.
Bu yaklaşımın önemli bir avantajı var: BirdNET birkaç yerel türle sınırlı değil, 1000'den fazla türü tanıyacak şekilde eğitilmiştir. Dünyanın dört bir yanından 3.000 kuş türüDaha yeni sürümlerinde ise 6.000'den fazla potansiyel türden bahsediyor. Kullanımı arttıkça ve veri entegrasyonu arttıkça modelleri daha iyi uyum sağlıyor ve özellikle karmaşık türler için doğrulukta kademeli bir artış meydana geliyor.
Kenar tabanlı otomatik tanımlamanın avantajları ve sınırlamaları
Uzun süredir BirdNET kullananlar, her şeyden önce bunun bir Arazi çalışmaları için tasarlanmış bir araç.Uygulama çalışmaya başladıktan sonra, mobil cihazınızda kaydı başlatın ve algoritmanın şarkı söylemeyi algıladığı bölümleri işaretlemesine izin verin. Uygulama tarafından görüntülenen sonogram aynı zamanda çok güçlü bir eğitim kaynağıdır: şunları sağlar: şarkı söylemeyi görselleştir Ve spektrumun çizimini zihinsel olarak duyulanlarla ilişkilendirmek, kulaktan öğrenme için çok faydalı bir yöntemdir.
Doğruluk oranı hızla artmasına rağmen, otomatik ses tanımlama henüz tam olarak gerçekleştirilemiyor. Resimli olandan daha zorSebepler çeşitlidir: birçok telefonun mikrofon kalitesi sınırlıdır, bireyler ve popülasyonlar arasında görüşmelerde muazzam bir değişkenlik vardır ve arka plan gürültüsü (trafik, rüzgar, aynı anda diğer türlerin ses çıkarması) analizi büyük ölçüde zorlaştırabilir. Buna rağmen, düzenli kullanıcılar şunu fark etmişlerdir: başarı oranında kayda değer bir artış Bazı türlerle.
BirdNET'in mevcut kurulumlarındaki en büyük sınırlamalardan biri, mobil uygulama sürümünde tanımlama işleminin genellikle otomatik olarak gerçekleştirilmesidir. uzak sunuculardaBaşka bir deyişle, kayıt buluta gönderilir, orada işlenir ve sonuç kullanıcıya geri gönderilir. Bu da şu an için birçok durumda geçerli olduğu anlamına gelir. Veri kapsamına ihtiyaç var. Uygulamanın potansiyelinden tam olarak yararlanmak, ki bu izole doğal alanlarda her zaman mümkün olmayabilir.
BirdNET, eğitim ve vatandaş bilimi aracı olarak
BirdNET, belirli tanımlama işlevlerinin ötesinde, en başından itibaren aynı zamanda bir... vatandaş bilimi projesiKullanıcılar, gözlem olarak etiketledikleri kayıtlarını göndererek kuşların dağılımı ve fenolojisi hakkında geniş bir küresel veri tabanına katkıda bulunabilirler. Bu bilgiler, ekoloji ve koruma alanındaki araştırmacılar için paha biçilmezdir.
Aynı zamanda, uygulamanın kullanımı genel halka da fayda sağlıyor. Çevrenizdeki türleri daha yakından tanıyın.Bir kuş ötüşünü kaydetmek, sonogramı incelemek ve sonuçları karşılaştırmak, insanları kuş davranışları, göçleri ve yaşam alanları hakkında bilgi edinmeye teşvik eder. Sonogramlar ve kuş ötüşleri üzerine mükemmel eğitim materyalleri sunan "The Sound Approach" projesi gibi kaynaklar, hem işitme hem de görme yoluyla öğrenme yaklaşımına mükemmel bir şekilde uymaktadır.
Avefy: Oyun yoluyla kuş seslerini öğrenin
BirdNET otomatik olarak neyin oynatıldığını belirlemeye odaklanırken, diğer uygulamalar ise... Kullanıcı tarafından aktif öğrenmeİyi bir örnek, işitme yeteneğini geliştirmek ve şarkıları ve aramaları kendi başınıza tanıma becerisini artırmak için tasarlanmış bir tür bilgi yarışması oyunu olan Avefy uygulamasıdır.
Avefy'nin çalışma prensibi kullanıcıya sunum yapmaya dayanmaktadır. Ekosistemlere göre düzenlenmiş kayıtlarBunlara "ses manzaraları" diyorlar: Akdeniz ormanı, nehir kıyısı, yüksek dağlar vb. Her ses manzarasında farklı türler duyuluyor ve kullanıcının hangi kuşları duyduğunu tahmin etmesi gerekiyor. Her denemede geri bildirim sağlanıyor, böylece yavaş yavaş, kulak daha duyarlı hale gelir ve öğrenilenler pekiştirilir.
Bu yaklaşım, SACRE gibi izleme programlarına yönelik eski eğitim materyallerini anımsatıyor, ancak güncellenmiş bir formatta ve daha geniş bir senaryo yelpazesiyle sunuluyor. Avefy, oyuna ek olarak şunları da içeriyor: şarkı rehberi Uygulama içerisinde, (bildiğimiz kadarıyla) tüm İber Yarımadası türlerine ait ses kayıtları bulunmaktadır; bu sayede hem evde hem de dilerseniz arazide sesleri dinleyebilir ve inceleyebilirsiniz.
Evde öğrenme ile sahada kendini tanımlama arasındaki fark
BirdNET ile Avefy'yi karşılaştırırsak, birbirini tamamlayan iki ihtiyaca cevap verdiklerini görebiliriz. BirdNET öncelikle bir otomatik tanımlama aracı Bu uygulama ağırlıklı olarak kırsal alanlarda kullanılıyor: bir şarkı duyuyorsunuz, kaydediyorsunuz ve uygulama bunun ne olabileceğini öneriyor. Avefy ise daha çok şu şekilde tasarlandı: eğitim ve oyun platformuEvde veya sakin anlarda, kuşu karşınızda bulundurma baskısı olmadan öğrenmek için idealdir.
Pratikte, her iki uygulamayı birlikte kullanmak çok etkili olabilir. BirdNET, arazideyken bir kuş sesini tanımlayamadığınızda şüphelerinizi gidermenize yardımcı olurken, Avefy ise... kulağı eğitmek Böylece zamanla, yaygın sesleri tanımak için teknolojiye olan bağımlılığınız azalacak. Ayrıca, Avefy kılavuzu, Merlin ve eBird gibi diğer platformlarda yer alan kılavuzlar gibi hızlı bir referans kaynağı olarak da kullanılabilir.
Merlin Kuş Tanımlama: Şarkı, fotoğraf ve sorularla tanımlama
Bu senaryodaki bir diğer önemli oyuncu ise... Merlin Kuş KimliğiCornell Ornitoloji Laboratuvarı tarafından geliştirilen Merlin, şarkı tanımlama işleviyle çok popüler hale gelmiş olsa da aslında başka özellikler de sunuyor. tanımlamanın üç ana yoluGözlemlenen kuş hakkında ses kayıtları, fotoğraflar ve yönlendirilmiş bir anket aracılığıyla.
Ses modu, diğer sistemlere kıyasla deneyim açısından oldukça benzer: kullanıcı kayıt düğmesine basar, telefonu sessize alır ve uygulamanın dinlemesini bekler. Ardından Merlin, şarkıya ve konuma dayanarak muhtemel olduğunu düşündüğü türlerin bir listesini görüntüler. Ayrıca şunlara da olanak tanır: Aynı türün diğer kayıtlarını dinleyin Nüansları karşılaştırmak için, geliştiriciler de önerilerinin sadece bir başlangıç noktası olduğunu ısrarla belirtiyorlar: Her zaman her kuşun sayfasındaki açıklamalar ve örnek seslerle karşılaştırmayı öneriyorlar.
Merlin'in bir diğer güçlü yönü de görüntü tanıma özelliğidir. Sadece bir fotoğraf çekin veya kamera rulosundan bir fotoğraf seçin; uygulama kişiyi tanımlamaya çalışacaktır. Fotoğrafta hangi tür görülüyor?Çeşitli medya kuruluşları tarafından yapılan testlerde, Madrid'deki büyük bir karabataktan Senegal'deki gül sırtlı pelikana kadar her şeyi doğru bir şekilde tanımlayabildi. Ancak, her otomatik sistemde olduğu gibi, bazen hata yapar veya görüntü uygun olmadığında eşleşme bulamaz.
Merlin'in üçüncü yöntemi, özellikle belirli rahatsızlıkları olan kişiler için çok faydalı olan rehberli anket yöntemidir. kimlik tespiti konusunda az deneyimUygulama, renk, boyut, davranış (yerde mi, suda mı, ağaçta mı, uçarken mi vb.), coğrafi konum ve tarih hakkında basit sorular soruyor. Bu bilgileri kullanarak, verileri bilgi tabanıyla karşılaştırıyor ve kullanıcının en uygun olanı seçebilmesi için olası türlerden oluşan bir liste sunuyor.
Merlin'de çevrimdışı kullanım ve bölgesel paketler
Merlin Bird ID'nin kapsama alanının zayıf olduğu bölgelerde seyahat edenler için cazip özelliklerinden biri, şu yetenekleridir: kısmen çevrimdışı çalışıyorBu uygulama, coğrafi bölgelere göre düzenlenmiş bölgesel kuş paketlerini indirmenize olanak tanır; bu paketler, her bölgedeki yaygın türlerin bilgi sayfalarını, sonogramlarını, dağılım haritalarını ve seslerini içerir.
Bu paketler sayesinde uygulamanın kaynaklarının çoğu kullanılabilir hale geliyor. kırsal veya dağlık ortamlar Sürekli internet bağlantısına ihtiyaç duymadan. Bu, sadece yürüyüşçüler ve amatör kuş gözlemcileri için değil, aynı zamanda mobil kapsama alanının güvenilir olmadığı veya hiç olmadığı uzak bölgelerde sayım yapan araştırmacılar ve izleme programlarındaki gönüllüler için de pratiktir.
Merlin, kuşlar için büyük bir küresel vatandaş bilim platformu olan eBird ile tamamen entegre edilmiştir. eBird içerisinde ayrıca bir mod da bulunmaktadır. kimlik belirleme sınavı Avefy gibi, kullanıcıların hem seslerle hem de görüntülerle pratik yapmasına olanak tanır. Bu durumda, kullanıcılar ekosistem türlerinden ziyade belirli tarih ve konumlara göre zorlukları özelleştirebilirler; bu da saha gezilerinde karşılaşacakları bağlamlara çok benzer ortamlarda tanımlama becerilerini geliştirmelerine yardımcı olur.
iNaturalist, Google Lens ve iPhone Görsel Arama
Bu makalenin odak noktası kuş ötüşü olsa da, yalnızca kuşlara yönelik olmasa da kuş ötüşüne dayanan diğer araçlardan da bahsetmekte fayda var. türleri tanımak için yapay zekâ Görüntülere dayalı olarak. iNaturalist, Google Lens ve iPhone Görsel Arama, yapay zekanın meraklı herkes için bir tür "cep biyoloğu" haline gelmesinin iyi örnekleridir.
iNaturalist, Kaliforniya Üniversitesi, Berkeley'de akademik bir proje olarak başladı ve bugün ortak bir girişimdir. Kaliforniya Bilimler Akademisi ve National Geographic SocietyKullanımı çok basit: Tanımlamak istediğiniz bitkinin, hayvanın veya mantarın fotoğrafını çekip uygulamaya yüklüyorsunuz. Sistem daha sonra saniyeler içinde otomatik olarak önerilerde bulunuyor. olası türler Milyonlarca gözlemle eğitilmiş bilgisayar görüşü modellerine dayanmaktadır.
iNaturalist'in en büyük gücü, küresel kullanıcı ve uzman topluluğunda yatmaktadır; bu topluluk, platformun geliştirilmesine yardımcı olmaktadır. tanımlamaları düzeltin ve iyileştirinHer gözlem coğrafi olarak referanslandırılıp tarihlendirilerek neredeyse gerçek zamanlı olarak devasa bir biyoçeşitlilik haritası oluşturuluyor. Tüm bu bilgiler GBIF (Küresel Biyoçeşitlilik Bilgi Sistemi) gibi bilimsel veri depolarıyla paylaşılıyor ve bu da projeyi koruma ve küresel değişim çalışmaları için paha biçilmez bir veri kaynağı haline getiriyor.
iPhone'un Görsel Arama özelliğinde Apple, yapay zekayı doğrudan işletim sistemine entegre ediyor. Bir fotoğraf açıldığında, sistem tanınabilir bir öğe (bitki, hayvan, anıt, sanat eseri) algılarsa, bilgi düğmesinin yanında özel bir simge beliriyor. Bu simgeye dokunmak, kullanıcıya erişim sağlıyor... Tür hakkında temel bilgilerBenzer görüntüler ve harici bağlantılar. Bu tür tanıma işlemi büyük ölçüde cihazın kendisinde, modern çiplerin işlem gücünden yararlanılarak gerçekleştirilir.
Google Lens, Android ekosisteminde çok benzer bir işlevi yerine getiriyor. Birçok telefonda bağımsız bir uygulama olarak veya Kamera uygulaması aracılığıyla kullanılabilir. Lens, görüntüleri analiz eder, tanınan nesneleri görsel veritabanlarıyla karşılaştırır ve olasılıkları atayın Her olası sonuç için. Örneğin, yapay zeka bir köpeğin Alman Çoban Köpeği olma olasılığını %95, Corgi olma olasılığını ise %5 olarak değerlendirirse, en olası seçenek olduğu için yalnızca ilk seçeneği gösterecektir. Bitkiler ve hayvanlar için ise, isim önerisinin yanı sıra daha fazla bilgi için hızlı bir Google araması yapmayı da önerir.
90.000'den fazla açıklama eklenmiş şarkı içeren küresel bir veritabanı
Otomatik şarkı tanımlama alanındaki niteliksel sıçrama, yüksek kaliteli eğitim verileri olmadan mümkün olmazdı. Bu bağlamda, son dönemdeki önemli bir dönüm noktası, yayınlanan çalışmadır. Kuş şarkılarının detaylı olarak açıklanmış ilk küresel veritabanıKatalonya Orman Bilimi ve Teknolojisi Merkezi (CTFC) öncülüğünde yürütülen ve Ecology dergisinde yayınlanan bir veri makalesinde açıklanan çalışma.
Bu veritabanı, yapılan kayıtları bir araya getiriyor. Dünya çapında 72 lokasyon1.100'den fazla farklı türü kapsayan bu çalışma, sadece veri hacmiyle değil, her dosyada yerel ornitoloji uzmanlarının her türün ötüş anını elle işaretlemiş olmasıyla da öne çıkıyor; bu da 90.000'den fazla etiketlenmiş ses kaydına denk geliyor. Bu detay seviyesi, paha biçilmez bir kaynak sağlıyor. algoritmaları eğitin ve değerlendirin Akustik tanıma.
Veri seti açık erişimlidir ve Zenodo platformunda mevcuttur; bu da dünyanın dört bir yanındaki araştırma ekiplerinin onu hem bilimsel hem de diğer amaçlar için kolayca kullanmasını sağlar. BirdNET gibi mevcut araçları geliştirmek Bu veritabanı, özellikle bugüne kadar yeterince temsil edilmemiş türler veya bölgeler için yeni modeller geliştirmek amacıyla kullanılabilir. Aslında, bu veritabanı, BirdNET'in performansını ve optimum yürütme parametrelerini küresel ölçekte değerlendirmek ve farklı bağlamlardaki davranışını iyileştirmeye yardımcı olmak için zaten kullanılmıştır.
Yapay zeka ve biyoçeşitlilik izleme
Arazi gözlemi, büyük açık veri tabanları ve yapay zekanın birleşimi, bakış açımızı değiştiriyor. biyoçeşitliliği izlerHızlanan iklim değişikliği ve ekosistem dönüşümü bağlamında, türlerin varlığını otomatik olarak kaydedebilen ve analiz edebilen sistemlere sahip olmak, bilim ve çevre yönetimi için büyük bir avantajdır.
Otomatik sistemler ornitologların yerini almaz, ancak onlara yardımcı olabilirler. Gözlem becerilerinizi geliştirinBir bölgeye dağıtılmış bir dizi otonom kayıt cihazı, BirdNET gibi algoritmalar veya küresel veri tabanlarından türetilen diğer modellerle analiz edildiğinde, hangi türlerin hangi zamanlarda ve hangi nispi sıklıkla bulunduğuna dair sürekli zaman serileri oluşturulmasına olanak tanır.
Bu tür bilgiler erken teşhis için hayati önem taşır. Nüfuslardaki değişikliklerDağıtım alanlarındaki değişiklikler veya istilacı türlerin gelişi gibi durumlar da söz konusu olabilir. Dahası, verilerin ve modellerin açık ve tekrarlanabilir yapısı, diğer ekiplerin sonuçları doğrulayabileceği, iyileştirmeler önerebileceği ve araçları yeni gerçeklere uyarlayabileceği daha şeffaf bir bilimi teşvik eder.
Bu teknolojiler daha da yerleşip mobil uygulamalara ve erişilebilir platformlara daha iyi entegre oldukça, kuş ötüşü tanımlama araçlarının sayısında da bir artış görmeyi bekleyebiliriz. çevrimdışı modda giderek daha iyiModelleri ve veri paketlerini doğrudan cihaza indirerek. Buradaki kilit nokta, doğruluğu modellerin ve yerel veritabanlarının boyutuyla dengelemek, hem uzak sunucuların gücünden hem de mevcut mobil cihazların işlem gücünden yararlanmak olacaktır.
Önümüzdeki yıllarda, BirdNET, Merlin, Avefy, iNaturalist gibi projelerin ve yapay zekayı besleyen yeni küresel kuş şarkıları veritabanlarının birleşmesi sayesinde, ormanın ortasında bir şarkı duyup, kapsama alanına ihtiyaç duymadan, saniyeler içinde hangi türe ait olduğunu belirleyebilmenin sıradan bir durum haline geleceği öngörülüyor. Bu bilgiyi paylaşarak daha fazla kişinin konu hakkında bilgi edinmesini sağlayın..
