Network Rail, kuşlar, yarasalar, tilkiler ve kirpiler gibi İngiliz türlerini izlemek için Londra Hayvanat Bahçesi (ZSL) ve Google ile işbirliği içinde yürütülen bir araştırmaya güç sağlamak için Google’ın yapay zekasını (AI) kullandı.
Birleşik Krallık, sanayi devriminden bu yana biyoçeşitliliğinin neredeyse yarısını kentsel yayılma ve tarım nedeniyle kaybetti ve dünya genelinde ulusların en alt %10’u arasında yer alıyor.
Network Rail, demiryolu ağının İngiliz vahşi yaşamının korunmasını destekleme potansiyeline sahip olduğuna inanıyor. 2020 Biyoçeşitlilik Eylem Planı, demiryolu ağı işletmecisinin, 2024 yılına kadar biyoçeşitlilikte net kayıp olmaması, 2040 yılına kadar net biyoçeşitlilik kazanımı elde edilmesi ve vahşi yaşam koridorları olarak arazilerinin değerini ve bağlanabilirliğinin en üst düzeye çıkarılması da dahil olmak üzere hatlardaki biyoçeşitliliği iyileştirmeye yönelik bir kamu taahhüdüdür.
Google’ın yapay zekası, Güney Londra ağı boyunca akustik monitörler tarafından yakalanan on binlerce saatlik veri dosyalarını ve sesi analiz etme hızını artırmak için Büyük Londra bölgesiyle ilgili bir ilk çalışmada kullanılıyor.
Ön çalışma ayrıca, Network Rail ve ZSL’ye göre sağlıklı bir çevre ve önemli bir biyoçeşitlilik ölçütü olduğunu gösteren Güney Londra’nın bazı bölgelerindeki yaşam alanlarını belirlemeyi ve Avrasya Kara Şapkalı, Karatavuk ve Büyük Baştankara gibi gösterge türleri ortaya çıkarmayı amaçlıyor.
Bu yılın ilerleyen saatlerinde, iki kuruluş araştırmayı yeni yerlere ve omurgasızlar ve küçük memeliler gibi daha fazla tür için geliştirmeyi planlıyor.
ZSL’de koruma ve politikadan sorumlu izleme ve teknoloji lideri Anthony Dancer ile Google Cloud’da ZSL Ortaklığının yönetici sponsoru Omer Mahmood, çalışmayı açıklayan bir blogda Google, ZSL ve Network Rail’in benimsediği yaklaşımı tartıştı ve İngilizlerin nasıl çalıştığını tartıştı. Yaban hayatı eşi görülmemiş oranlarda azalıyordu” diye yazdı Dancer ve Mahmood. “Birleşik Krallık, sanayi devriminden bu yana biyoçeşitliliğinin neredeyse yarısını kentsel yayılma ve tarım nedeniyle kaybetti, dünya genelinde ulusların en alt %10’u arasında ve G7 ülkeleri arasında en kötü sırada yer alıyor. Bu düşüşler bugün de devam ediyor: 2019 Birleşik Krallık doğa durumu Rapor, bilimsel izlemenin 1970’lerde başlamasından bu yana türlerin ortalama bolluğunda %13 daha azalma buldu.
Network Rail, 20.000 kilometrelik demiryolu koridoru boyunca yaklaşık 52.000 hektarlık toplam arazisi ile ülkenin en büyük kamu arazisi sahiplerinden biridir. Network Rail tarafından işletilen geniş demiryolu ağı, kenarlar, kullanılmayan yollar ve hat kenarındaki diğer araziler dahil olmak üzere geniş yeşil alanlar içermektedir. Bu arazi mülkleri, tüm önemli İngiliz karasal habitat türlerini kat eder ve zengin bir dizi nadir, korunan ve değer verilen türe ev sahipliği yapar.
Dancer ve Mahmood, demiryollarının kentsel veya yoğun tarımsal alanlarda yaban hayatı için sığınak görevi görebileceğini, parçalanmış yaşam alanlarını birbirine bağlayabileceğini ve türlerin koridorlar aracılığıyla hareket etmesini sağlayabileceğini ve hatta yolların yaşam alanlarını böldüğü yerlerde türlerin dağılmasına engel teşkil edebileceğini söyledi. “Dikkatli izleme ve yönetim ile demiryolu ağı, doğanın ve insanların yararına vahşi yaşamımızın korunmasına ve eski haline getirilmesine yardımcı olabilir” dediler.
Ön çalışma sırasında, Network Rail ve ZSL, yaban hayatı ve antropojenik aktivitenin uzaktan ve otomatik olarak izlenmesi için teknoloji kullandı. Bunlar, ağa bağlı ve bağımsız kameralar ve akustik sensörleri içeriyordu. Çalışma, Network Rail’in biyolojik çeşitlilik misyonuna yönelik ilerlemesini değerlendirmek için bu sensörleri kullanmanın uygulanabilirliğini değerlendirdi.
Türlerin haritalanması
Vertex AI ve Looker Studio, türleri belirlemek ve Network Rail mülküne eşlemek için kullanıldı. ZSL, 2022 yılında Network Rail’in Güney Londra’daki arazisine yerleştirilen 33 akustik monitör tarafından kaydedilen 3.000 saatlik sesi yakaladı. Google Cloud ile çalışan ZSL ekibi, bu verileri kullanarak “hat kenarı yaşam alanlarını” belirlemeyi başardı.
Önceden eğitilmiş makine öğrenimi modelleri BirdNet, BatDetect ve CityNet, Google, Network Rail ve ZSL’yi kullanarak AI sisteminin sırasıyla kuşları, yarasaları ve antropojenik sesleri tespit edebildiğini söyledi. Bu modellerin bir kombinasyonunu kullanarak, tür türlerini tanımlayabildiler ve oluşumları coğrafi bir konumla eşleştirebildiler.
Toplanan veriler, ekibin ses veri dosyalarına erişmesine izin veren Kullanıcı Alanında (Fuse) Bulut Depolama Dosya Sistemine aktarıldı. Hızlı prototip oluşturmak ve makine öğrenimi işlem hatlarını test etmek için Vertex AI kullanıldı.
Her model için tahminler tüm Network Rail ses kayıtlarında çalıştırıldıktan sonra veriler, her coğrafi konum ve diğer eğilimler için her bir türün sıklığını hesaplamak üzere BigQuery’de dönüştürüldü.
Her modelden elde edilen tahminler, her tür için tek bir tahmin oluşturmak üzere birleştirildi ve daha sonra bu, ekibin belirli bir konumdaki her bir türün göreli bolluğunu hesaplamak için kullandığı bir frekans sayımına dönüştürüldü.
Son aşama, her tür için belirtilen biyolojik çeşitliliğin bir harita üzerinde hacme göre haritasını çıkarmak için Looker Studio’nun kullanılmasını içeriyordu.
ZSL, güvenli, hızlı ve uzaktan izlemeye izin veren teknolojilere odaklanarak, Network Rail’in yol kenarındaki biyoçeşitliliği izlemesine, anlamasına ve üzerindeki etkisini iyileştirmesine yardımcı olmak için bu proje sırasında geliştirilen yöntemleri ve araçları kullanmayı planladığını söyledi.