Semesterbilder på zebror och valar som turister lägger upp på sociala medier kan ha en fördel som de aldrig förväntat sig:att hjälpa forskare att spåra och samla information om hotade arter.

Forskare använder artificiell intelligens (AI) för att analysera foton av zebror, hajar och andra djur för att identifiera och spåra individer och erbjuda nya insikter om deras rörelser, såväl som befolkningstrender.

"Vi har miljontals bilder av utrotningshotade och hotade djur tagna av forskare, kamerafällor, drönare och till och med turister", säger Tanya Berger-Wolf, chef för Translational Data Analytics Institute vid Ohio State University.

"De här bilderna innehåller en mängd data som vi kan extrahera och analysera för att skydda djur och bekämpa utrotning."

Och ett nytt fält som heter imageomics tar användningen av vilda djurbilder ett steg längre genom att använda AI för att extrahera biologisk information om djur direkt från deras foton, säger Berger-Wolf, professor i datavetenskap och teknik, elektro- och datateknik och evolution , ekologi och organismbiologi i Ohio State.

Hon diskuterade de senaste framstegen när det gäller att använda AI för att analysera bilder av vilda djur och grundandet av imageomics i en presentation den 20 februari vid årsmötet för American Association for the Advancement of Science. Hon talade vid den vetenskapliga sessionen "Crowdsourced Science:Volunteers and Machine Learning Protect the Wild for All."

En av de största utmaningarna som miljöaktivister står inför är bristen på tillgängliga data om många hotade och hotade arter.

"Vi förlorar biologisk mångfald i en aldrig tidigare skådad takt och vi vet inte ens hur mycket och vad vi förlorar," sa Berger-Wolf.

Av de mer än 142 000 arterna på IUCN:s röda lista över hotade arter är statusen för mer än hälften inte känd eftersom det inte finns tillräckligt med data, eller deras populationstrend är osäker.

"Om vi ​​vill rädda afrikanska elefanter från utrotning måste vi veta hur många det finns i världen och var de är och hur snabbt de minskar", sa Berger-Wolf.

"Vi har inte tillräckligt med GPS-halsband och satellittaggar för att övervaka alla elefanter och svara på de frågorna. Men vi kan använda AI-tekniker som maskininlärning för att analysera bilder av elefanter för att ge mycket av den information vi behöver."

Berger-Wolf och hennes kollegor skapade ett system kallat Wildbook som använder datorseendealgoritmer för att analysera bilder tagna av turister på semester och forskare inom området för att identifiera inte bara djurarter utan individer.

"Våra AI-algoritmer kan identifiera individer med vad som helst som är randigt, prickigt, skrynkligt eller skårat - till och med formen av en valflycka eller ryggfenan på en delfin", sa hon.

Till exempel innehåller Wildbook mer än 2 miljoner foton av cirka 60 000 unikt identifierade valar och delfiner från hela världen.

"Detta är nu en av de primära informationskällorna som forskare har om späckhuggare - de saknar inte längre data," sa hon.

Förutom hajar och valar finns det vildböcker för zebror, sköldpaddor, giraffer, afrikanska köttätare och andra arter.

Berger-Wolf och hennes kollegor har utvecklat en AI-agent som söker i offentligt delade inlägg på sociala medier efter relevanta arter. Det betyder att många människors semesterbilder av hajar som de såg i Karibien, till exempel, kommer att användas i Wildbook för vetenskap och bevarande, sa hon.

Tillsammans med information om när och var bilderna togs kan dessa foton hjälpa till med bevarandet genom att tillhandahålla populationsräkningar, födelse- och dödsdynamik, artutbredning, sociala interaktioner och interaktioner med andra arter, inklusive människor, sa hon.

Detta har varit mycket användbart, men Berger-Wolf sa att forskare vill flytta fältet framåt med imageomics.

"Förmågan att extrahera biologisk information från bilder är grunden för imageomics," förklarade hon. "Vi lär maskiner att se saker i bilder som människor kan ha missat eller inte kan se."

Till exempel, liknar mönstret av ränder på en zebra på något meningsfullt sätt dess mammas mönster och, i så fall, kan det ge information om deras genetiska likheter? Hur varierar fladdermusarternas skallar med miljöförhållandena, och vilken evolutionär anpassning driver den förändringen? Dessa och många andra frågor kan besvaras genom maskininlärningsanalys av foton.

National Science Foundation tilldelade Ohio State 15 miljoner dollar i september för att leda skapandet av Imageomics Institute, som kommer att hjälpa forskare från hela världen inom detta nya område. Berger-Wolf är en huvudutredare av institutet.

När användningen av AI för att analysera bilder av vilda djur fortsätter att växa, sa Berger-Wolf, kommer en nyckel vara att se till att AI används på ett rättvist och etiskt sätt.

För det första måste forskare se till att det inte gör någon skada. Data måste till exempel skyddas så att de inte kan användas av tjuvjägare för att rikta in sig på hotade arter.

Men det måste vara mer än bara det.

"Vi måste se till att det är ett partnerskap mellan människa och maskin där människor litar på AI:n. AI:n bör, genom sin design, vara deltagande, koppla samman mellan människorna, bland data och mellan de geografiska platserna", sa hon.