HUN-REN: Τεχνητή Νοημοσύνη στην Παρακολούθηση Κουνουπιών για την πρόληψη επιδημιών

  1. Αρχική
  2. Ουγγαρία
  3. HUN-REN: Τεχνητή Νοημοσύνη στην Παρακολούθηση Κουνουπιών για την πρόληψη επιδημιών

Ερευνητές του Ουγγρικού Κέντρου Έρευνας HUN-REN, του Πανεπιστημίου Eötvös Loránd και του Πανεπιστημίου του Szeged έδειξαν σε πρόσφατη μελέτη ότι ο ήχος που παράγεται από τα χτυπήματα των φτερών των κουνουπιών παρουσιάζει ειδικά μοτίβα για κάθε είδος, καθιστώντας δυνατή την αναγνώριση μεμονωμένων ειδών με βάση αποκλειστικά τις ακουστικές τους υπογραφές. Ως αποτέλεσμα, με τη βοήθεια της τεχνητής νοημοσύνης (AI), τα είδη που ενδεχομένως μεταφέρουν ασθένειες μπορούν πλέον να αναγνωριστούν ακόμη και από μία μόνο φωτογραφία ή ηχογράφηση, γεγονός που αντιπροσωπεύει μια σημαντική πρόοδο στην πρόληψη επιδημιών. Στο μέλλον, τέτοια αυτοματοποιημένα συστήματα παρακολούθησης θα μπορούσαν να υποστηρίξουν σε μεγάλο βαθμό τη δημόσια υγεία επιτρέποντας τη συνεχή παρακολούθηση ζώων που μεταδίδουν ασθένειες (των λεγόμενων φορέων, όπως τα κουνούπια και τα τσιμπούρια).

Τα κουνούπια ευθύνονται για τη μετάδοση αρκετών σοβαρών ασθενειών, όπως η ελονοσία, ο δάγκειος πυρετός, ο ιός chikungunya και ο πυρετός Zika. Μαζί, αυτές οι ασθένειες επηρεάζουν εκατομμύρια ανθρώπους ετησίως και προκαλούν εκατοντάδες χιλιάδες θανάτους παγκοσμίως. Η πιο αποτελεσματική μορφή προστασίας είναι η πρόληψη, η οποία απαιτεί συνεχή παρακολούθηση των πληθυσμών κουνουπιών. Αυτό επιτρέπει την έγκαιρη ανίχνευση κινδύνων και την έγκαιρη εφαρμογή των απαραίτητων παρεμβάσεων, όπως μέτρα καταπολέμησης κουνουπιών.

Κατά τη διάρκεια της πτήσης, τα κουνούπια παράγουν ήχο μέσω του χτυπήματος των φτερών τους: όσο ταχύτερα είναι τα χτυπήματα των φτερών, τόσο υψηλότερη είναι η συχνότητα του ήχου. Αυτό το ακουστικό σήμα ποικίλλει ανά είδος, κάτι που είναι ιδιαίτερα χρήσιμο επειδή επιτρέπει στις προσπάθειες παρακολούθησης να εστιάζουν μόνο σε είδη που ενέχουν πραγματικούς κινδύνους. Υπάρχουν ήδη αλγόριθμοι που βασίζονται στην τεχνητή νοημοσύνη και μπορούν να αναγνωρίσουν είδη κουνουπιών με βάση τον ήχο με ακρίβεια έως και 97%. Ωστόσο, η μέθοδος έχει περιορισμούς – για παράδειγμα, όταν υπάρχουν πολλά είδη ταυτόχρονα, όταν δεν υπάρχουν επαρκή ηχητικά δεδομένα διαθέσιμα για εκπαίδευση ή όταν οι ήχοι των άγριων κουνουπιών διαφέρουν από αυτούς που καταγράφονται σε εργαστηριακές συνθήκες. Τα ακουστικά σήματα επηρεάζονται από πολλούς παράγοντες, όπως η θερμοκρασία, η υγρασία, το φύλο, η ηλικία και το μέγεθος του κάθε σώματος.

Το Κέντρο Οικολογικής Έρευνας HUN-REN, το Πανεπιστήμιο Eötvös Loránd και το Πανεπιστήμιο του Szeged διεξήγαγαν μια λεπτομερή έρευνα και ανέλυσαν τα ακουστικά δεδομένα 475 ατόμων από δέκα είδη κουνουπιών που βρέθηκαν στην Ουγγαρία και κατέληξαν στο συμπέρασμα ότι αυτοί οι ήχοι μεταφέρουν πληροφορίες όχι μόνο σε επίπεδο είδους, αλλά και για τα άτομα. Η ακρίβεια της αναγνώρισης των ειδών μπορεί επομένως να βελτιωθεί περαιτέρω εάν οι εφαρμογές τεχνητής νοημοσύνης λάβουν υπόψη αυτές τις μεταβλητές. Για παράδειγμα, διαπιστώθηκε ότι τα θηλυκά κουνούπια παράγουν γενικά ήχους χαμηλότερης συχνότητας από τα αρσενικά, κάτι που σχετίζεται με το μεγαλύτερο μέγεθος του σώματός τους. Η θερμοκρασία παίζει επίσης βασικό ρόλο: σε θερμότερα περιβάλλοντα, οι μύες των κουνουπιών κινούνται ταχύτερα, αυξάνοντας τον αριθμό των κτυπημάτων των φτερών ανά μονάδα χρόνου και με αποτέλεσμα ήχους υψηλότερης συχνότητας. Ωστόσο, αυτό το φαινόμενο ποικίλλει ανά είδος, πράγμα που σημαίνει ότι μια ενιαία διόρθωση θερμοκρασίας δεν μπορεί να εφαρμοστεί καθολικά.

Τα ευρήματα αυτής της πρόσφατης μελέτης αποτελούν ένα σημαντικό βήμα προς την αποτελεσματική εφαρμογή της τεχνητής νοημοσύνης υπό πραγματικές συνθήκες για την παρακολούθηση επικίνδυνων ειδών κουνουπιών.

Πηγή: HUN-REN

 

Προηγούμενο άρθρο
Η Ουγγαρία ξεκινά έργο Δορυφορικού Δικτύου
Επόμενο άρθρο
Ουγγρική Καινοτομία για τα δάση: Το Πανεπιστήμιο του Sopron αναπτύσσει 3D προσομοιωτή πυρκαγιάς

Διαβάστε ακόμη

Μενού