Colecciones

El aprendizaje automático ayuda a los científicos ciudadanos

El aprendizaje automático ayuda a los científicos ciudadanos


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

El aprendizaje automático podría ayudar a completar las tareas de investigación que generalmente se asignan a los científicos ciudadanos. Un nuevo estudio muestra cómo la enseñanza de habilidades de reconocimiento de imágenes específicas por computadora se puede utilizar en proyectos que requieren la clasificación de grandes cantidades de datos de imágenes.

VEA TAMBIÉN: GOOGLE FLIGHTS UTILIZA EL APRENDIZAJE DE LA MÁQUINA PARA PREDECIR LOS RETRASOS DE LOS VUELOS ANTES DE LAS AEROLÍNEAS

Durante años, los científicos se han aprovechado de los voluntarios que les ayudan a clasificar conjuntos de datos masivos que son demasiado grandes para pequeños equipos de investigación. Anteriormente, este trabajo debía ser realizado por humanos porque no existía la tecnología para que una máquina lo hiciera.

Los investigadores se asociaron con los ecologistas

Pero eso está a punto de cambiar. Para probar la idea del aprendizaje automático, los investigadores se asociaron con ecólogos que estudian la vida silvestre con cámaras trampa. Estas "trampas" son cámaras ocultas que se activan mediante sensores de movimiento e infrarrojos que proporcionan imágenes para que los ecologistas las utilicen en sus investigaciones específicas.

Sin embargo, todas las imágenes resultantes deben revisarse y clasificarse para que puedan proporcionar datos útiles para el análisis. A menudo, esta tarea se asigna a voluntarios capacitados que pueden completar la tarea dentro del plazo requerido. Pero la nueva investigación reemplaza a los voluntarios con computadoras.

Los científicos ciudadanos siempre serán valiosos

"En el pasado, los investigadores pidieron a los científicos ciudadanos que los ayudaran a procesar y clasificar las imágenes dentro de un período de tiempo razonable", dijo el autor principal del estudio, Marco Willi, un recién graduado del programa de maestría en ciencia de datos de la Universidad de Minnesota e investigador en el Facultad de Física y Astronomía de la Universidad.

"Ahora, algunos de estos proyectos recientes de cámaras trampa han recolectado millones de imágenes. Incluso con la ayuda de científicos ciudadanos, podría llevar años clasificar todas las imágenes. Este nuevo estudio es una prueba de concepto de que las técnicas de aprendizaje automático pueden ayudar significativamente reducir el tiempo de clasificación ".

Para probar su teoría de que las técnicas de aprendizaje automático podrían ser valiosas en estos casos, los científicos recopilaron tres conjuntos de datos de imágenes de África (Snapshot Serengeti, Camera Catalog y Elephant Expedition) y un conjunto de datos de Snapshot Wisconsin con imágenes recopiladas en América del Norte.

La computadora comienza a aprender con contornos y colores

Cada conjunto de datos contenía entre nueve y cincuenta y cinco especies. Los conjuntos de datos también variaron en la forma en que se fotografió cada especie, la ubicación de la cámara, la configuración de la cámara y la cobertura de la especie. Luego, se le enseñó a la computadora cómo clasificar las imágenes mostrándoles las imágenes de un conjunto de datos ya clasificado por humanos. Por ejemplo, a la máquina se le mostrarían imágenes completas y parciales de un jabalí. La computadora entonces comenzaría a reconocer los bordes y colores de los jabalíes en las imágenes antes de poder clasificarlos correctamente.

La computadora también aprendió cuándo identificar fotografías sin animales presentes, lo que sucede cuando el viento activa la cámara. Ser capaz de eliminar rápidamente estas fotografías "enpty" puede acelerar enormemente el esfuerzo de clasificación general.

Los proyectos de clasificación se aceleraron enormemente

"Nuestras técnicas de aprendizaje automático permiten a los investigadores en ecología acelerar el proceso de clasificación de imágenes y allanar el camino para proyectos de ciencia ciudadana aún más grandes en el futuro", dijo Willi. "En lugar de que cada imagen tenga que ser clasificada por varios voluntarios, uno o dos voluntarios podrían confirmar la clasificación de la computadora".

Si bien esta prueba de la capacidad de las técnicas de aprendizaje automático en la clasificación de imágenes se centró en imágenes de animales de cámaras trampa, los investigadores dicen que las mismas ideas podrían aplicarse a otras áreas científicas que interactúan con científicos ciudadanos como el espacio y la biología.

"Los datos en una amplia gama de áreas científicas están creciendo mucho más rápido que la cantidad de voluntarios de proyectos de ciencia ciudadana", dijo la coautora del estudio Lucy Fortson, profesora de física y astronomía de la Universidad de Minnesota y cofundadora de Zooniverse, la ciencia ciudadana más grande plataforma online que acogió los proyectos del estudio.

"Si bien siempre habrá una necesidad de esfuerzo humano en estos proyectos, la combinación de estos esfuerzos con la ayuda de técnicas de Big Data puede ayudar a los investigadores a procesar más datos aún más rápido y permite a los voluntarios concentrarse en las clasificaciones más difíciles y raras".


Ver el vídeo: Algoritmos de Aprendizaje de Máquina Machine Learning (Mayo 2022).