Kuzey Karolina Eyalet Üniversitesinin araştırması, yapay zekâ üretimi sentetik ağaç görsellerinin tür tanıma modellerini desteklediğini ancak gerçek saha fotoğrafları kadar yüksek eğitim başarısı sağlamadığını ortaya koydu.
Kuzey Karolina Eyalet Üniversitesi bünyesinde çalışan araştırmacılar, yapay zekâ tarafından üretilen sentetik görsellerin, veri eksikliği yaşanan alanlarda tür tanımlama modellerini eğitmek amacıyla kullanılabileceğini belirledi. Remote Sensing in Ecology and Conservation adlı hakemli bilimsel dergide yayımlanan çalışmada, Kuzey Amerika'da yaygın olarak görülen 20 ağaç türü mercek altına alındı. Araştırma ekibi, doğa gözlem platformu iNaturalist ile Auto Arborist Veri Kümesinden sağlanan gerçek fotoğrafları yapay zekâ üretimi sentetik karelerle bir araya getirdi. Farklı kombinasyonlar halinde standart bir görüntü tanıma modeline aktarılan veriler, eldeki gerçek fotoğraf sayısı yetersiz olduğunda sentetik görsellerin modelin ağaçları tanıma başarısını artırdığını gösterdi.
Çalışmanın başyazarı ve üniversitenin Jeouzamsal Analiz Merkezinde araştırmacı olan Thomas Lake, bu teknolojinin en büyük potansiyelinin hakkında nispeten az bilgi sahibi olunan canlı türleri ve coğrafi bölgelerin incelenmesinde ortaya çıkabileceğini bildirdi. Biyoçeşitlilik takibi ve koruma çalışmalarında kullanılan bilgisayar modelleri, bitki ve hayvan türlerini doğru sınıflandırabilmek adına geniş görsel veri tabanlarına gereksinim duyuyor. Ancak nadir türlerde veya uzak sahalarda yeterli miktarda gerçek fotoğraf toplamak ciddi bir zorluk oluşturuyor. Araştırmanın ortak yazarı ve aynı merkezde kıdemli araştırmacı olan Chris Jones, bazı türlerin binlerce kez fotoğraflanmasına karşın nadir canlıların çok daha az ilgi gördüğünü, yaygın türlerde dahi fotoğrafların yalnızca belirli bölgelerden, mevsimlerden veya bakış açılarından elde edilebildiğini belirtti.
Araştırma sonuçları, yapay zekâ tarafından üretilen sentetik görsellerin sağladığı faydaya karşın gerçek doğa fotoğraflarının doğrudan bir ikamesi olamayacağını ve genel model eğitiminde gerçek verilerin gerisinde kaldığını ortaya koydu. Üretilen sentetik karelerin ilk bakışta gerçeğe uygun ve inandırıcı göründüğünü ifade eden Thomas Lake, bu görsellerin doğada var olan yaprak biçimi, kabuk dokusu ve ağacın dallanma formu gibi kritik ince ayrıntıları yakalayamadığını aktardı. Modellerin saha koşullarında türleri hatasız biçimde ayırt edebilmesi açısından büyük önem taşıyan bu morfolojik ayrıntıların eksikliği, sentetik görüntülerin pratik uygulamalardaki sınırlarını net bir şekilde gösterdi.
Elde edilen bulgular, yapay zekâ teknolojisinin saha gözlemlerini ya da yurttaş bilimini gereksiz kılmadığını, aksine bu gözlemlerden elde edilen verileri değerlendirmek için yeni olanaklar sunduğunu ortaya koydu. Thomas Lake, tek bir insanın çektiği ağaç, kuş, böcek veya çiçek fotoğrafının bile ekosistemin nasıl değiştiğini belgeleyen büyük bir veri tabanına doğrudan katkı sağladığını belirtti. iNaturalist gibi platformlar sayesinde binlerce insanın bir araya gelerek tek bir araştırma ekibinin ulaşamayacağı ölçekte veri toplayabildiğini hatırlatan Lake, teknolojinin verileri birbirine bağlama ve büyük ölçekte yorumlama gücü sunmasına rağmen değişen doğal dünyayı anlamak için insanların dikkatle gözlem yapmaya ve doğayı belgelemeye devam etmesi gerektiğini vurguladı.
Neden önemli?Biyoçeşitlilik takibinde yapay zekâ modellerinin başarısı, sentetik verilerden ziyade yurttaş bilimcilerin sahadan sağladığı ince morfolojik ayrıntıları içeren gerçek gözlemlere bağlı kalmayı sürdürüyor.
Şu ana kadar bildiklerimiz
- Kuzey Karolina Eyalet Üniversitesi araştırmacıları, Kuzey Amerika'daki 20 ağaç türüne ait sentetik ve gerçek fotoğrafları birleştirerek görüntü tanıma modellerini eğitti.
- Araştırmanın sonuçları Remote Sensing in Ecology and Conservation adlı hakemli bilimsel dergide yayımlandı.
- Sentetik görseller veri eksikliğinde modele katkı sağlasa da yaprak ve kabuk dokusu gibi ince ayrıntıları yakalayamadığı için model eğitiminde gerçek verilerin gerisinde kaldı.
