ИИ распознаёт диких капуцинов и меняет полевые исследования приматов

Изучение когнитивных способностей диких приматов — одна из самых трудоёмких научных задач. Исследователи годами наблюдают за одними и теми же особями, вручную записывая каждое поведение. Идентификация конкретной обезьяны в густых зарослях требует многих часов опыта. Команда из Университета Эмори предложила решение, которое не только ускоряет работу, но и открывает принципиально новые возможности для науки. Подробнее о смежных научных разработках ранее писали «Пронедра» в материале о стандартах оценки ИИ-биомаркеров.

Учёные разработали систему автоматического распознавания отдельных диких капуцинов на острове Табога (Панама) на основе нейросетевой архитектуры YOLO — алгоритма, широко применяемого для детекции объектов в реальном времени. Систему дообучили на базе около 4800 аннотированных изображений конкретных особей из популяции.

Результат: точность идентификации отдельных животных достигла 97%. Для полевых условий — плохое освещение, неидеальный угол, частичное перекрытие ветвями — это рекордный показатель.

Практическое значение для когнитивных исследований оказалось значительным. До сих пор эксперименты с дикими приматами требовали либо ручной идентификации, либо временного отлова для нанесения меток. Обе процедуры создают стресс для животных и ограничивают масштаб исследований. Автоматическая идентификация по видеозаписям меняет логику работы: теперь один исследователь с камерой и алгоритмом может параллельно отслеживать сотни поведенческих взаимодействий между конкретными животными.

Это означает, что когнитивные вопросы — долгосрочное запоминание, социальное обучение, индивидуальные стратегии — можно изучать на более крупных популяциях и более длительных временны́х шкалах.

Метод требует первоначальной базы снимков для каждой новой популяции, что пока ограничивает его применение к уже изучаемым группам. Качество распознавания также падает в условиях плохой видимости.