Un nuovo algoritmo di apprendimento profondo addestrato a riconoscere il sesso e l’identità degli scimpanzé selvatici potrebbe aiutare gli scienziati a comprendere meglio il comportamento degli animali.
di Karen Hao
Negli ultimi tempi, il riconoscimento facciale è stato al centro delle polemiche per le possibili violazioni delle libertà civili.
Ma al di fuori del regno umano, i ricercatori di Oxford hanno scoperto un nuovo scopo per la tecnologia: monitorare i comportamenti e le interazioni degli scimpanzé. Un articolo che descrive il loro studio è stato pubblicato a settembre su “Science Advances”.
Sfruttando circa 50 ore di riprese raccolte in 14 anni, gli scienziati hanno estratto 10 milioni di immagini di volti di 23 scimpanzé e le hanno immesse in una rete neurale profonda.
Il modello risultante è stato in grado di identificare le figure con un’accuratezza fino al 93 per cento e classificare correttamente il sesso fino al 96 per cento delle volte.
In un test comparativo, il modello ha avuto prestazioni doppie rispetto a etichettatori umani esperti che hanno impiegato quasi un’ora per completare l’attività, e quattro volte superiori a un gruppo di principianti che ha raggiunto quasi le due ore.
Il modello, al contrario, ha richiesto una frazione di secondo (Le poche volte in cui ha fallito, molto spesso scambiava il sedere di uno scimpanzé con una faccia).
I ricercatori hanno quindi utilizzato il modello per analizzare le interazioni sociali di una popolazione di scimpanzé. Si è potuto vedere che la madre e i bambini trascorrevano la maggior parte del tempo insieme, una scoperta che si allinea a quanto già si sa del comportamento dei primati.
Questa non è la prima volta che viene utilizzato il riconoscimento facciale per localizzare gli animali. ChimpFace, uno strumento simile, viene attivamente utilizzato per combattere il traffico illegale di scimpanzé e altri studi hanno cercato di rintracciare lemuri, babbuini e altre specie di primati in via di estinzione.
I ricercatori di Oxford affermano che il loro algoritmo migliora i predecessori riducendo al minimo la quantità di pre-elaborazione richiesta sulla mole dei filmati.
Mentre in precedenza si avevano problemi a gestire le variazioni di illuminazione e la scarsa qualità dell’immagine, i loro algoritmi si comportano meglio in queste condizioni perché sono stati addestrati su un set di dati più diversificato.
Chi conduce ricerche sugli animali fa spesso affidamento sui filmati video per tenere traccia dei comportamenti delle popolazioni studiate nel tempo. Ma l’ordinamento delle grandi quantità di dati richiede tempo e l’etichettatura manuale può essere imprecisa.
Il modello offre un nuovo promettente metodo per accelerare la ricerca sul comportamento animale. Potrebbe anche essere utilizzato per migliorare i sistemi attuali per rintracciare le specie in via di estinzione e soggette al traffico illegale.
Immagine: Kyoto University, Primate Research Institute
(rp)
