“모델로 표시된 영역에서 첫 번째를 찾는 데 약 20 초가 걸렸습니다.” 썼다 현장 테스트를 문서화하는 블로그 게시물의 Jaffer. 이 모델이 주차장 근처에서 가자기에 대한 신뢰도를 높이는 Milton Community Center에서 시작하여 팀은 다양한 예측 수준을 가진 위치를 체계적으로 방문했습니다.
밀턴 컨트리 파크 (Milton Country Park)에서, 그들이 확인한 모든 고 자신감 지역에는 상당한 가시 나무 성장이 포함되어 있습니다. 주거용 핫스팟을 조사했을 때, 그들은 빈 줄이있는 빈 플롯 오버런을 발견했습니다. 가장 재미있게, 노스 캠브리지의 주요 예측으로 인해 Bramblefields 지역 자연 보호 구역. 그 이름에 따르면,이 지역에는 광범위한 가시 부분이 포함되어 있습니다.
이 모델은 위에서 볼 수있는 크고 발견되지 않은 가발 패치를 감지 할 때 가장 잘 수행 된 것으로 알려졌다. 트리 커버 아래의 작은 가늘한 것은 위성의 오버 헤드 관점을 감안할 때 신뢰 점수가 낮았습니다. Jaffer는“Tessera는 원격 감지 데이터로부터 표현되기 때문에 위에서 부분적으로 가려진 Bramble이 발견하기가 더 어려울 수 있다는 것이 합리적 일 것입니다.
초기 실험
연구원들은 초기 결과에 대한 열정을 표명했지만, 가시상 탐지 작업은 여전히 적극적인 연구를 받고있는 개념 증명을 나타냅니다. 이 모델은 아직 동료 검토 저널에 출판되지 않았으며 여기에 설명 된 필드 검증은 과학적 연구가 아닌 비공식 테스트였습니다. 케임브리지 팀은 이러한 제한 사항을 인정하고보다 체계적인 검증을 계획합니다.
그러나 여전히 인공 지능 분야가 ChatGpt 또는 비디오-합성 모델과 같은 생성 AI 모델보다 훨씬 크다는 것을 상기시키는 신경망 기술의 비교적 긍정적 인 연구 적용입니다.
팀의 리서치 팬이 나오면 Bramble 탐지기의 단순성은 몇 가지 실질적인 이점을 제공합니다. 보다 리소스 집약적 인 심층 학습 모델과 달리 시스템은 잠재적으로 모바일 장치에서 실행될 수있어 실시간 필드 검증을 가능하게합니다. 팀은 현장 연구원들이 예측을 확인하면서 모델을 개선 할 수있는 전화 기반 활성 학습 시스템 개발을 고려했습니다.
앞으로 위성 원격 감지와 시민 과학 데이터를 결합한 유사한 AI 기반 접근법은 잠재적으로 침습성 종, 농업 해충을 추적하거나 다양한 생태계의 변화를 모니터링 할 수 있습니다. 고슴도치와 같은 위협 종의 경우, 기후 변화와 도시화가 고슴도치가 집에 전화하고 싶어하는 장소를 적극적으로 재구성하는시기에는 중요한 서식지 특징이 급격히 매핑됩니다.
