New Institutional Economics
Daftar Isi:
Sebagai seorang birder, saya telah mendengar bahwa jika Anda memperhatikan bulu-bulu kepala pada burung pelatuk berbulu halus yang mengunjungi pengumpan burung Anda, Anda dapat mulai mengenali burung-burung secara individu. Ini membuat saya penasaran. Saya bahkan melangkah lebih jauh dengan mencoba membuat sketsa burung di tempat makan saya sendiri dan menemukan ini benar, sampai batas tertentu.
Sementara itu, dalam pekerjaan saya sehari-hari sebagai ilmuwan komputer, saya tahu bahwa peneliti lain telah menggunakan teknik pembelajaran mesin untuk mengenali wajah individu dalam gambar digital dengan tingkat akurasi yang tinggi.
Proyek-proyek ini membuat saya memikirkan cara untuk menggabungkan hobi saya dengan pekerjaan saya. Apakah mungkin untuk menerapkan teknik-teknik tersebut untuk mengidentifikasi burung secara individu?
Jadi, saya membuat alat untuk mengumpulkan data: jenis pengumpan burung yang disukai oleh burung pelatuk dan kamera yang diaktifkan dengan gerakan. Saya mendirikan stasiun pemantauan saya di halaman Virginia pinggiran kota saya dan menunggu burung muncul.
Klasifikasi Gambar
Klasifikasi gambar adalah topik hangat di dunia teknologi. Perusahaan besar seperti Facebook, Apple dan Google secara aktif meneliti masalah ini untuk menyediakan layanan seperti pencarian visual, penandaan otomatis teman di pos media sosial dan kemampuan untuk menggunakan wajah Anda untuk membuka kunci ponsel Anda. Lembaga penegak hukum juga sangat tertarik, terutama untuk mengenali wajah-wajah dalam citra digital.
Ketika saya mulai bekerja dengan siswa saya di proyek ini, penelitian klasifikasi gambar berfokus pada teknik yang melihat fitur gambar seperti tepi, sudut dan area dengan warna yang sama. Ini sering potongan yang dapat dirakit menjadi beberapa objek yang dikenali. Pendekatan itu sekitar 70 persen akurat, menggunakan set data benchmark dengan ratusan kategori dan puluhan ribu contoh pelatihan.
Penelitian terbaru telah bergeser ke arah penggunaan jaringan saraf tiruan, yang mengidentifikasi fitur mereka sendiri yang terbukti paling berguna untuk klasifikasi yang akurat. Jaringan saraf dimodelkan dengan sangat longgar pada pola komunikasi antara neuron di otak manusia. Jaringan saraf convolutional, jenis yang sekarang kita gunakan dalam pekerjaan kita dengan burung, dimodifikasi dengan cara yang dimodelkan pada korteks visual. Itu membuatnya sangat cocok untuk masalah klasifikasi gambar.
Beberapa peneliti lain telah mencoba teknik serupa pada hewan. Saya terinspirasi sebagian oleh ilmuwan komputer Andrea Danyluk dari Williams College, yang telah menggunakan pembelajaran mesin untuk mengidentifikasi salamander yang terlihat secara individu. Ini berfungsi karena setiap salamander memiliki pola bintik yang berbeda.
Kemajuan ID Burung
Sementara murid-murid saya dan saya tidak memiliki gambar yang hampir sama dengan sebagian besar peneliti dan perusahaan lain, kami memiliki keuntungan dari beberapa kendala yang dapat meningkatkan akurasi penggolong kami.
Semua gambar kami diambil dari perspektif yang sama, memiliki skala yang sama dan jatuh ke dalam beberapa kategori. Semua mengatakan, hanya sekitar 15 spesies yang pernah mengunjungi pengumpan di daerah saya. Dari jumlah tersebut, hanya 10 yang cukup sering dikunjungi untuk memberikan dasar yang berguna untuk melatih pengklasifikasi.
Jumlah gambar yang terbatas adalah cacat yang pasti, tetapi sejumlah kecil kategori berhasil untuk kami. Ketika datang untuk mengenali apakah burung dalam gambar adalah chickadee, seorang Carolina wren, seorang kardinal atau sesuatu yang lain, sebuah proyek awal berdasarkan algoritma pengenalan wajah mencapai akurasi 85 persen - cukup baik untuk membuat kita tetap tertarik pada masalah.
Mengidentifikasi burung dalam gambar adalah contoh dari tugas "klasifikasi halus", artinya algoritma mencoba untuk membedakan antara objek yang hanya sedikit berbeda satu sama lain. Banyak burung yang muncul di tempat makan memiliki bentuk yang kira-kira sama, misalnya, sehingga mengatakan perbedaan antara satu spesies dengan yang lain bisa sangat menantang, bahkan bagi pengamat manusia yang berpengalaman.
Tantangannya hanya bertambah ketika Anda mencoba mengidentifikasi individu. Bagi sebagian besar spesies, itu tidak mungkin. Burung pelatuk yang saya minati memiliki bulu burung yang sangat berpola tetapi sebagian besar mirip dari individu ke individu.
Jadi, salah satu tantangan terbesar kami adalah tugas manusia memberi label pada data untuk melatih classifier kami. Saya menemukan bahwa bulu kepala burung pelatuk berbulu halus bukan cara yang dapat diandalkan untuk membedakan antara individu, karena bulu-bulu itu banyak bergerak. Mereka digunakan oleh burung untuk mengekspresikan iritasi atau alarm. Namun, pola bintik-bintik pada sayap terlipat lebih konsisten dan tampaknya berfungsi dengan baik untuk membedakan satu sama lain. Bulu-bulu sayap itu hampir selalu terlihat dalam gambar kita, sementara pola kepala bisa dikaburkan tergantung pada sudut kepala burung itu.
Pada akhirnya, kami memiliki 2.450 gambar dari delapan pelatuk yang berbeda. Ketika sampai pada mengidentifikasi masing-masing pelatuk, percobaan kami mencapai akurasi 97 persen. Namun, hasil itu perlu verifikasi lebih lanjut.
Bagaimana Ini Membantu Burung?
Ahli ornitologi membutuhkan data akurat tentang bagaimana populasi burung berubah seiring waktu. Karena banyak spesies sangat spesifik dalam kebutuhan habitatnya dalam hal pembibitan, musim dingin, dan migrasi, data berbutir halus dapat berguna untuk memikirkan dampak lanskap yang berubah. Data tentang spesies individu seperti pelatuk berbulu halus kemudian dapat dicocokkan dengan informasi lain, seperti peta penggunaan lahan, pola cuaca, pertumbuhan populasi manusia dan sebagainya, untuk lebih memahami kelimpahan spesies lokal dari waktu ke waktu.
Saya percaya bahwa stasiun pemantauan semi-otomatis berada dalam jangkauan dengan biaya sederhana. Biaya stasiun pemantauan saya sekitar US $ 500. Studi baru-baru ini menyarankan bahwa mungkin untuk melatih pengklasifikasi menggunakan kelompok gambar yang jauh lebih luas, kemudian menyempurnakannya dengan cepat dan dengan tuntutan komputasi yang masuk akal untuk mengenali masing-masing burung.
Proyek-proyek seperti Cornell Laboratory of Ornithology's eBird telah menempatkan pasukan kecil ilmuwan warga di tanah untuk memantau dinamika populasi, tetapi sebagian besar data tersebut cenderung berasal dari lokasi di mana orang banyak, daripada dari lokasi yang memiliki minat khusus bagi para ilmuwan.
Pendekatan stasiun pemantauan otomatis dapat memberikan pengganda kekuatan untuk ahli biologi satwa liar yang peduli dengan spesies tertentu atau lokasi tertentu. Ini akan memperluas kemampuan mereka untuk mengumpulkan data dengan intervensi manusia minimal.
Artikel ini awalnya diterbitkan di The Conversation oleh Lewis Barnett. Baca artikel asli di sini.
Apa yang Akan Terjadi jika Inti Bumi Menjadi Dingin? Ilmu Menjelaskan
"Apa yang akan terjadi jika inti bumi tidak lagi panas?" Inti Bumi mendingin dengan sangat lambat dari waktu ke waktu, tetapi suatu hari, ketika inti telah sepenuhnya mendingin dan menjadi padat, itu akan memiliki dampak besar pada seluruh planet, sehingga sulit bagi kehidupan untuk bertahan hidup.
Ilmu Burung: Konsepsi umum tentang Lagu Burung yang Bangkit dalam Studi Baru
Mengapa beberapa burung lebih berhasil menarik pasangan daripada yang lain? Dua ahli biologi dengan keahlian dalam evolusi perilaku dan burung penyanyi memutuskan untuk menyelidiki apakah sistem perkawinan non-monogami benar-benar meningkatkan seleksi seksual pada burung dan jika karakteristiknya menjadi lebih ekstrem, seperti lagu.
Ilmu Burung: Mengapa Burung Jalak Sinkronisasi Terbang untuk Bertahan Hidup
Menonton burung jalak bergerak dalam sinkronisasi sempurna adalah tampilan akrobatik yang luar biasa. Sedemikian rupa sehingga pada tahun 1930, seorang ilmuwan terkemuka mengira burung harus memiliki kekuatan batin untuk beroperasi bersama dalam satu kawanan. Untungnya, sains modern mulai menemukan beberapa jawaban yang lebih baik.