Nýta gervigreind til að kynja- og tegundagreina ferskvatnsfiska í ám
Gervigreind hefur verið fyrirferðarmikil í samfélagsumræðunni undanfarið, þar á meðal innan veggja Háskólans, enda getur tæknin verið afar gagnleg í háskólastarfi. Sífellt er verið að prófa og uppgötva nýjar leiðir til að nýta gervigreind í rannsóknum og öðru vísindastarfi og innan Háskóla Íslands hefur Hafsteinn Einarsson, lektor í tölvunarfræði, látið mikið að sér kveða á þessu sviði. Hann rannsakar nú ásamt nemendum sínum og starfsfólki við Hafrannsóknastofnun hvernig nýta megi gervigreind til þess að tegundagreina fiska.
Þetta er ekki í fyrsta skipti sem Hafsteinn vinnur með Hafrannsóknarstofnun því síðasta sumar stýrði hann verkefni þar sem rannsakað var hvort hægt væri að greina aldur fiska með gervigreind. „Hafró þarf að meta aldursdreifingu fiskistofna við landið til að reikna fiskveiðikvóta. Því er mikilvægt að safna nákvæmum gögnum um aldursdreifingu til að fyrirbyggja ofveiði. Aldursgreiningin byggist á því að telja árhringi í kvörnum sem eru kalksteinar í höfði fiskanna. Það safnast stöðugt kalk utan á steinana, meira og meira kalk eftir því sem fiskurinn eldist, hratt á sumrin, hægt á veturna, og þess vegna er hægt að lesa úr þeim aldur fiskanna eins og aldur trjáa út frá árhringjum,” útskýrir Hafsteinn sem vann verkefnið m.a. með meistaranemunum Andreu Rakel Sigurðardóttur og Þór Sverrissyni. Afrakstur þess birtist m.a. í vísindatímaritinu Ecological Informatics í september 2023.
Umfang gagna nær yfir 30 ár
Í rannsókninni sem nú stendur yfir kanna Hafsteinn og samstarfsfólk hvort nýta megi sjálfvirka aðferð með gervigreind til að tegundagreina ferskvatnsfiska sem greindir eru með fiskteljurum (Árvaka). „Teljararnir hafa verið hluti af vöktun Hafrannsóknarstofnunnar í veiðiám í meira en þrjá áratugi. Þeir hafa gefið mikilvægar upplýsingar um stofnstærðir laxfiska sem gagnast veiðifélögum til að uppfylla lagalegar skyldur sínar við sjálfbæra veiðistýringu nytjastofna,“ segir Hafsteinn.
Að sögn Hafsteins eru starfræktir um 20 fiskteljarar í íslenskum ám, bæði á vegum Hafrannsóknarstofnunnar og veiðifélaga í viðkomandi ám. Gögnin sem þar er safnað nýtast við stofnstærðarmat ferskvatnsfiska. „Árlega ganga um teljarana yfir 14.000 laxar og um 5.000 silungar og gefa þær tölur til að kynna umfang þeirra gagna sem hefur safnast með teljurunum undanfarin 30 ár,“ segir hann.
Hafsteinn vinnur verkefnið með tveimur sérfræðingum hjá Hafrannsóknarstofnun, þeim Hlyni Bárðarsyni og Jóhannesi Guðbrandssyni, en þeir hafa í sínum störfum veitt stjórnvöldum og veiðifélögum ráðgjöf um nýtingu og vernd fiskistofna í ferskvatni. Þá koma tveir nemar við Háskóla Íslands að verkefninu, João Rodrigo Da Silva Martins, meistaranemi í hagnýtri tölfræði, og Ngo Yin Wong, skiptinemi í tölvunarfræði frá Hong Kong. Þeir njóta stuðnings Nýsköpunarsjóðs námsmanna sem styrkir háskólanema til rannsóknastarfa á sumrin.
Gæti nýst í baráttunni við eldisfiska í ám
Hafsteinn segir að markmið verkefnisins sé ekki aðeins að þróa aðferðir með gervigreind til að tegundagreina fiska með sjálfvirkum hætti heldur megi einnig mögulega nýta myndgreiningaraðferðir gervigreindar til að greina fisktegundir sem synda í gegnum teljara í rauntíma. Það gæti nýst sem mótvægisaðgerð við óæskilegri för eldisfiska eða ágengra tegunda upp ár.
Í rannsókninni verður beitt nýjum aðferðum á sviði tölvusjónar sem byggjast á svokallaðri andstæðuþjálfun (e. contrastive learning) sem snýst um að kenna gervigreindarlíkönum að greina myndir út frá ólíkum en einnig svipuðum myndapörum. Að sögn Hafsteins hafa rannsóknir á þeirri aðferð við Háskóla Íslands leitt í ljós að hægt er að ná góðum árangri í þekkingaryfirfærslu (e. Transfer learning) með lítið af merktum gögnum. „Þekkingaryfirfærsla byggist á því að líkön sem hafa verið þjálfuð í almennum myndgreiningarverkefnum eru svo sérþjálfuð í fiskgreiningu. Slík líkön eru betri en líkön sem hafa ekki verið þjálfuð í almennri myndgreiningu,“ útskýrir Hafsteinn og undirstrikar að þetta sé mikilvægt því margar eldri aðferðir á sviði tölvusjónar krefjist gífurlegs magns merktra gagna sem takmarkar hagnýtingargildi þeirra.
Rannsakendur notast enn fremur við tvær tegundir gervigreindarlíkana sem þróaðar hafa verið á undanförnum árum og misserum til þess að tegundagreina fiskana. Annað er frá Meta, sem er móðurfélag Facebook og Instagram, og hitt frá fyrirtækinu OpenAI sem er líklega þekktast fyrir þróun spjallmennisins ChatGPT. Úr hinu fyrra er notast við grunnlíkan í aðgreiningu og hið seinna er notað til að aðgreina fiskana í myndbandinu og tegundagreina þá. „Grunnlíkön eru líkön sem hafa verið þjálfuð á gífurlegu magni af gögnum, t.d. myndum, texta og öðrum gögnum, og slík líkön öðlast getu til að setja gögn fram með aðgengilegum hætti sem gagnast í þekkingaryfirfærslu,“ útskýrir Hafsteinn.
Titill
Notagildi gervigreindar í stanslausri þróun
Hafsteinn vonast til þess að niðurstöður rannsóknarinnar sýni fram á að hægt sé að sjálfvirknivæða ferlið við kynja- og tegundagreiningu fiska. „Það felst mikill tíma- og kostnaðarsparnaður í því að láta gervigreind tegundagreina gögn úr fiskiteljurum sem fiskifræðingar hafa gert hingað til,” segir Hafsteinn. Á sama tíma verði tegundagreiningin öruggari en hún getur stundum verið flókin þegar myndskeið eru ekki til staðar eða af lélegum gæðum vegna aðstæðna sem geta skapast í teljurum.
Hafsteinn bætir við að niðurstöður sýni nú þegar að tegundagreiningin virkar og vinnur hann ásamt samstarfsfólki að vísindagrein um aðferðafræðina sem þau stefna á að birta fljótlega. Að sögn Hafsteins eiga niðurstöðurnar mikið erindi í alþjóðlega umræðu um vísindastarf þar sem rannsóknir sem nýta sér gervigreind séu í hraðri og stöðugri þróun.
Með frekari rannsóknum á notagildi gervigreindar í vísindum fáist betri skilningur á möguleika tækninnar til enn frekari nýsköpunar. Þá bendir hann enn fremur á að verkefnið sé mjög í takt við stefnu Háskólans þar sem áhersla er m.a. á að starf skólans styðji við innleiðingu heimsmarkmiða Sameinuðu þjóðanna, en verkefnið snýr beint að 14. markmiðinu, Lífi í vatni, og því 9., Nýsköpun og uppbyggingu.