Une utilisation inattendue de la reconnaissance faciale : suivre les chimpanzés

Catégorie: Intelligence artificielle Posté 04 sept.

Un nouvel algorithme d'apprentissage en profondeur formé pour reconnaître le sexe et l'identité des chimpanzés sauvages pourrait aider les scientifiques à mieux comprendre le comportement des animaux.

Les nouvelles: La reconnaissance faciale a récemment développé une mauvaise réputation en raison de la manière dont elle pourrait être utilisée pour enfreindre les libertés civiles. Mais en dehors du domaine humain, les chercheurs d'Oxford ont découvert un nouveau but plutôt approprié pour la technologie : les aider à surveiller les comportements et les interactions des chimpanzés. Un article décrivant leur étude a été publié aujourd'hui dans Science Advances .

Qu'ont-ils fait: En utilisant environ 50 heures de séquences prises sur 14 ans, les scientifiques ont extrait 10 millions d'images de visage de 23 chimpanzés et les ont introduites dans un réseau neuronal profond. Le modèle résultant a pu identifier les individus avec une précision allant jusqu'à 93 % et classer leur sexe correctement jusqu'à 96 % du temps. Dans un test de comparaison, le modèle a également performé deux fois mieux que les étiqueteurs humains experts ayant près d'une heure pour accomplir la tâche, et quatre fois mieux que les novices ayant près de deux heures. Le modèle, en revanche, a pris une fraction de seconde. (Les rares fois où il a échoué, il a le plus souvent confondu les fesses d'un chimpanzé avec un visage.)

Les chercheurs ont ensuite utilisé le modèle pour analyser les interactions sociales d'une population de chimpanzés. Le modèle a révélé que la mère et les nourrissons passaient le plus de temps ensemble, une conclusion qui correspond correctement aux modèles de comportement compris.

Autres traqueurs d'animaux : Ce n'est pas la première fois que la reconnaissance faciale est utilisée pour suivre des animaux. ChimpFace, un outil similaire, est activement utilisé pour lutter contre le trafic illégal de chimpanzés , et autre études ont cherché à suivre les lémuriens, les babouins et d'autres espèces de primates en voie de disparition. Les chercheurs des derniers travaux affirment que leur algorithme améliore les prédécesseurs en minimisant la quantité de prétraitement requise sur les images brutes. Alors que les algorithmes précédents avaient du mal à gérer les variations d'éclairage et la mauvaise qualité d'image, le leur fonctionne mieux dans ces conditions car il a été formé sur un ensemble de données plus diversifié.

Pourquoi est-ce important: Les chercheurs sur les animaux s'appuient souvent sur des séquences vidéo pour suivre les comportements des populations qu'ils étudient au fil du temps. Mais trier les grandes quantités de données est fastidieux et prend du temps, et l'étiquetage manuel peut être inexact. Le modèle démontre une nouvelle méthode prometteuse pour accélérer la recherche sur le comportement animal. Il pourrait également être utilisé pour améliorer les efforts existants de suivi des espèces menacées et victimes de trafic.

Pour recevoir plus d'histoires comme celle-ci directement dans votre boîte de réception, inscrivez-vous à notre newsletter AI nominée par Webby, The Algorithm. C'est gratuit.