Người bình thường khó phân biệt được ba con gấu Dani, Lenore và Bella vì đều có bộ lông nâu nhạt, nhưng công nghệ có thể giúp sức.

Nhà sinh học Melanie Clapham, người dành hơn một thập kỷ để nghiên cứu các cá thể gấu xám Bắc Mỹ, có thể nhận biết được từng con bằng những đặc trưng nhỏ trên khuôn mặt chúng. "Tôi thường chú ý tới những đặc điểm mang tính khác biệt, như vết sẹo trên khuôn mặt hoặc khiếm khuyết cơ thể", cô nói.

Tuy nhiên, Clapham cũng biết hầu hết mọi người thường không để ý tỉ mỉ đến từng bộ phận và ngoại hình của loài gấu thay đổi rất nhanh trong từng thời điểm trong năm. Chẳng hạn, khi chúng thay lông và tập trung vỗ béo để chuẩn bị ngủ đông, hầu như không thể phân biệt nổi giữa con Toffee và Blonde.

Việc theo dõi từng cá thể gấu rất quan trọng trong quá trình nghiên cứu và bảo tồn loài này. Xác định được chính xác một cá thể gấu thậm chí có thể giúp giải quyết một số vấn đề liên quan tới gấu đụng độ con người trong các khu dân cư, ảnh hưởng tới sự an toàn của cả cư dân trong vùng và loài gấu.

Vài năm trước, Clapham nghe nói về phần mềm nhận dạng khuôn mặt bằng phương pháp đối chiếu dữ liệu đặc điểm trên mặt. Cô tự hỏi liệu công nghệ được sử dụng để nhận dạng con người có thể giúp ích không.

Clapham sau đó hợp tác với hai lập trình viên tại Thung lũng Silicon và cùng nhau tạo ra BearID, sử dụng phần mềm nhận dạng khuôn mặt để theo dõi loài gấu xám. Hiện dự án sử dụng AI này có khả năng nhận dạng được 132 cá thể động vật.

Dù công nghệ nhận dạng khuôn mặt luôn được coi như một công cụ để xác thực con người, BearID là một trong những dự án mong muốn điều chỉnh mục đích sử dụng của nó vì lợi ích của động vật. Những người ủng hộ công nghệ cho rằng đây có thể là cách tiếp cận vấn đề tiết kiệm, lâu dài và ít xâm lấn hơn so với phương pháp đeo vòng cổ hoặc xỏ nhãn RFID.

Xây dựng thư viện dữ liệu động vật

Thực tế Clapham đã để ý tới khả năng kết hợp AI với đam mê nghiên cứu gấu của cô trong nhiều năm. Năm 2017, cô tham gia Wildlabs.net, một cộng đồng kết nối các nhà bảo tồn động vật với những chuyên gia công nghệ. Tại đây, cô nhanh chóng quen Ed Miller và Mary Nguyen, hai chuyên gia về học máy tại Thung lũng Silicon và cũng là những người yêu thích loài gấu xám.

Từ đó, bộ ba đã thu thập được hàng nghìn bức ảnh cá thể gấu sống tại Knight Inlet và Brooks River nhằm xây dựng cơ sở dữ liệu trong vùng và tinh chỉnh phần mềm AI để nó phát hiện được những khuôn mặt gấu trong hình. Sau khi nhận được khuôn mặt, họ có thể tiếp tục sử dụng AI để xác minh từng con gấu cụ thể.

Miller nói: "Nó phân biệt tốt hơn chúng tôi".

Cho đến nay, BearID đã thu thập 4.674 hình ảnh về gấu xám. Clapham cho biết 80% hình ảnh được sử dụng để huấn luyện hệ thống nhận dạng và 20% còn lại để thử nghiệm. Theo nghiên cứu công bố gần đây, hệ thống này có độ chính xác lên đến 84%. Do dữ liệu của nhóm vẫn tương đối ít, con gấu mà bạn định tìm kiếm có thể chưa nằm trong thư viện hình ảnh của BearID.

Nhận dạng khuôn mặt ở trang trại

Joe Hoagland, một chủ trang trại chăn nuôi gia súc ở Leavenworth, Kansas (Mỹ), đang cố gắng làm điều tương tự ở các trang trại gia súc. Ông xây dựng một ứng dụng có tên CattleTracs, cho phép ghim tọa độ GPS vào ảnh khi người dùng chụp ảnh động vật. Dữ liệu này sau đó được lưu trữ cùng ngày chụp trong cơ sở dữ liệu trực tuyến. Các bức ảnh tiếp theo của cùng con vật đó nhưng được chụp tại thời gian và địa điểm khác nhau sẽ giúp theo dõi vòng đời của gia súc theo địa điểm chúng từng tới.

Hoagland giải thích, một con bò thịt trong suốt vòng đời của mình phải qua tay không ít ông chủ và nhiều địa điểm khác nhau, từ cơ sở sản xuất con giống đến trang trại chăn nuôi rồi đến nhà máy chế biến thịt. Qua nhiều công đoạn như vậy, nhưng hầu như không có nhiều dấu vết của động vật còn sót lại, điều này khiến việc điều tra, truy xuất nguồn gốc các vấn đề dịch bệnh trên động vật trở nên hết sức khó khăn. Ông nói: "Có thể theo dõi con vật bị bệnh, truy tìm nguồn gốc, cách ly, điều trị nó, tất cả những công nghệ chúng ta đang sử dụng với Covid-19 đều có thể áp dụng với động vật".

Hoagland dự kiến sẽ ra mắt ứng dụng CattleTracs vào cuối năm nay. Ảnh: CNN

Để tạo ra ứng dụng này, Hoagland đã nhờ tới sự trợ giúp của KC Olson, một giáo sư tại Đại học Bang Kansas. Olson cùng một nhóm chuyên gia trong lĩnh vực thú y và khoa học máy tính đã cùng nhau thu thập được hơn 135.000 hình ảnh của 1.000 con bò thịt để đào tạo và thử nghiệm hệ thống AI. Tháng 3 vừa qua, họ đã xây dựng thành công nguyên mẫu đầu tiên của hệ thống xác định động vật với kết quả chính xác đến 94%, cho dù AI từng thấy chúng hay chưa.

Olson cho rằng công nghệ nhận dạng khuôn mặt động vật này hoạt động tốt hơn nhiều so với thẻ RFID đặc biệt với số lượng gia súc lớn. Ông nói: "Đây là một bước tiến lớn về độ chính xác".

Mỏ vàng cho những kẻ săn trộm

Dù nhận dạng khuôn mặt động vật không gây ra một số vấn đề về quyền riêng tư, thiên vị hay giám sát như đối với con người, nó vẫn có những vấn đề riêng cần xem xét.

Trong khi công nghệ giám sát có thể giúp bảo vệ động vật, việc sử dụng không đúng cách hoàn toàn có thể là mối đe dọa với chúng. Tanya Berger-Wolf, đồng sáng lập và giám đốc của Wildbook.org, một nền tảng AI dành cho các dự án nghiên cứu về động vật hoang dã, nhấn mạnh tầm quan trọng của việc kiểm soát quyền truy cập dữ liệu động vật.

Berger-Wolf nói: "Công cụ tuyệt vời cho các nhà khoa học và các khu bảo tồn cũng là mỏ vàng cho những kẻ săn trộm động vật hoang dã". Nếu dữ liệu động vật bị lộ, kẻ săn trộm có thể sử dụng hình ảnh cùng tọa độ GPS được đính kèm để tìm ra chúng.

Ngoài ra, việc thu thập lượng lớn hình ảnh của từng loài động vật để huấn luyện AI là một nhiệm vụ rất khó khăn. Chưa kể ảnh chụp được phải từ nhiều góc nhìn, trong các điều kiện ánh sáng khác nhau, không gặp vật cản, và được chụp liên tục theo thời gian.

Anil Jain, Giáo sư ngành khoa học máy tính tại Đại học Michigan, biết rõ hơn ai hết về những cản trở này. Ông và các đồng nghiệp đã nghiên cứu sử dụng công nghệ nhận dạng khuôn mặt để theo dõi loài vượn cáo, khỉ vàng và tinh tinh. Năm 2018, họ phát triển một ứng dụng dành cho điện thoại Android có tên PrimID, cho phép người dùng so sánh các bức ảnh linh trưởng của riêng họ với các bức ảnh trong cơ sở dữ liệu của PrimID.

Jain, hiện không còn làm việc trong dự án PrimID, cho biết quá trình thu thập dữ liệu động vật vô cùng thách thức - đặc biệt là với loài vượn cáo có thể tụ tập trên cây. Ông lưu ý, mạng lưới nhận dạng khuôn mặt cho con người có thể được đào tạo với hàng triệu bức ảnh của hàng trăm nghìn người, PrimID và BearID cho đến nay chỉ dựa vào một phần rất nhỏ so với dữ liệu của con người.

Clapham nói: "Thực sự chúng ta có thể phát triển công nghệ nhận dạng khuôn mặt này cho bất kỳ loài nào miễn là có thể thu thập được dữ liệu huấn luyện đủ tốt".

Theo CNN

Devmaster Academy via vnexpress.net