אוספים

למידה ממוחשבת עוזרת למדענים אזרחים

למידה ממוחשבת עוזרת למדענים אזרחים

למידה ממוחשבת יכולה לסייע בהשלמת משימות מחקר הניתנות בדרך כלל למדענים אזרחיים. מחקר חדש מראה כיצד ניתן להשתמש בהוראת כישורי זיהוי תמונות ספציפיים למחשב בפרויקטים הדורשים סיווג של כמויות גדולות של נתוני תמונה.

ראה גם: טיסות GOOGLE משתמשות במכונות הלומדות לעיכוב הטיסות לפני טיסות

במשך שנים מדענים ניצלו מתנדבים המסייעים להם למיין מערכי נתונים גדולים מדי עבור צוותי מחקר קטנים. בעבר עבודות אלה היו צריכות להיעשות על ידי בני אדם מכיוון שהטכנולוגיה למכונה שתעשה אותה לא הייתה קיימת.

חוקרים חברו לאקולוגים

אבל זה הכל עומד להשתנות. כדי לבדוק את רעיון למידת המכונה, החוקרים חברו לאקולוגים שחוקרים חיות בר בעזרת מלכודות מצלמה. 'מלכודות' אלו הן מצלמות נסתרות המופעלות על ידי חיישני תנועה ואינפרא אדום המספקים תמונות לשימוש האקולוגים במחקר הספציפי שלהם.

עם זאת, יש לבדוק ולסווג את כל התמונות שהתקבלו כדי שיוכלו לספק נתונים שימושיים לניתוח. לעיתים קרובות משימה זו ניתנת למתנדבים מאומנים שיכולים להשלים את המשימה במסגרת הזמן הנדרשת. אך המחקר החדש מחליף מתנדבים במחשבים.

מדעני אזרחים תמיד יהיו בעלי ערך

"בעבר החוקרים ביקשו מדענים אזרחיים שיעזרו להם לעבד ולסווג את התמונות במסגרת זמן סבירה", אמר המחבר הראשי של המחקר מרקו ווילי, בוגר לימודי תואר שני באוניברסיטת מינסוטה במדעי הנתונים וחוקר באוניברסיטת מינסוטה. בית הספר לפיזיקה ואסטרונומיה באוניברסיטה.

"כעת, כמה מהפרויקטים האחרונים של מלכודת המצלמות אספו מיליוני תמונות. אפילו בעזרת מדענים אזרחיים, זה יכול לקחת שנים לסווג את כל התמונות. מחקר חדש זה מהווה הוכחה לתפיסה שטכניקות למידת מכונה יכולות לעזור משמעותית. להפחית את זמן הסיווג. "

כדי לבדוק את התיאוריה שלהם לפיה טכניקות של למידת מכונה עשויות להיות בעלות ערך במקרים אלה, המדענים אספו שלוש מערכי נתונים של תמונות מאפריקה - סנאפצ'ט סרנגטי, קטלוג מצלמות ומשלחת הפילים - ומערך נתונים אחד מסנאפצ'ט ויסקונסין עם תמונות שנאספו בצפון אמריקה.

המחשב מתחיל ללמוד עם קווי מתאר וצבעים

כל מערך נתונים הכיל בין תשעה לחמישים וחמישה מינים. מערכי הנתונים השתנו גם באופן בו צולם כל מין, מיקום המצלמה, תצורת המצלמה וכיסוי המינים. לאחר מכן לימדו את המחשב כיצד לסווג את התמונות על ידי הצגת התמונות ממערך נתונים שכבר סווג על ידי בני אדם. לדוגמה, המכונה תוצג תמונות מלאות וחלקיות של יבלת. המחשב יתחיל לזהות את הקצוות והצבעים של חזירי השטח בתמונות לפני שהוא יוכל לסווג אותו כהלכה.

המחשב למד גם מתי לזהות תצלומים ללא בעלי חיים, וזה קורה כאשר הרוח מפעילה את המצלמה. היכולת לחסל במהירות את הצילומים 'הריקים' הללו יכולה להאיץ מאוד את מאמץ הסיווג הכללי.

פרויקטים של סיווג זירזו מאוד

"טכניקות הלמידה המכונה שלנו מאפשרות לחוקרי אקולוגיה להאיץ את תהליך סיווג התמונות ולסלול את הדרך לפרויקטים מדעיים אזרחיים גדולים עוד יותר בעתיד", אמר ווילי. "במקום שכל תמונה תצטרך להיות מסווגת על ידי מספר מתנדבים, מתנדב אחד או שניים יכולים לאשר את סיווג המחשב."

בעוד שמבחן זה של היכולת של טכניקות לימוד מכונה בסיווג תמונות התמקד בתמונות של בעלי חיים ממלכודות מצלמה, החוקרים אומרים שניתן ליישם את אותם רעיונות בתחומי מדע אחרים העוסקים במדעני אזרח כמו חלל וביולוגיה.

"הנתונים במגוון רחב של אזורי מדע צומחים הרבה יותר מהר ממספר המתנדבים בפרויקט מדעי האזרחים", אמרה מחברת המחקר לוסי פורטסון, פרופסור לפיזיקה ואסטרונומיה באוניברסיטת מינסוטה ומייסדת שותפה של Zooniverse, מדע האזרחים הגדול ביותר. פלטפורמה מקוונת שאירחה את הפרויקטים במחקר.

"אמנם תמיד יהיה צורך במאמץ אנושי בפרויקטים אלה, אך שילוב מאמצים אלה בעזרת טכניקות ביג דאטה יכול לסייע לחוקרים לעבד נתונים עוד יותר מהר ומאפשר למתנדבים להתמקד בסיווגים הקשים והנדירים יותר."


צפו בסרטון: למידה מרחוק היא אסון. יוחזר הנוער לכיתות (דֵצֶמבֶּר 2021).