ИИ-изображения помогают учёным, но не заменяют реальные наблюдения в природе

Новое исследование, опубликованное в журнале Remote Sensing in Ecology and Conservation, показывает, что ИИ-генерируемые изображения могут быть полезным дополнением к реальным данным при мониторинге биоразнообразия, но не способны их заменить. Учёные из Центра геопространственной аналитики Университета Северной Каролины под руководством Томаса Лейка проверили, могут ли синтетические изображения 20 распространённых североамериканских деревьев помочь обучению моделей распознавания изображений, когда настоящих фотографий недостаточно.

Как проводилось исследование

Исследователи объединили реальные изображения деревьев из платформы iNaturalist и базы данных Auto Arborist Dataset с ИИ-генерируемыми изображениями. Различные комбинации этих данных подавались в стандартную модель распознавания изображений, чтобы оценить, улучшают ли синтетические изображения способность модели определять виды деревьев.

Когда ИИ-изображения действительно помогают

Синтетические изображения повысили эффективность модели при ограниченном количестве реальных фотографий. Это особенно актуально для видов, которые редко фотографируют, обитают в удалённых местах или просто получают меньше внимания. Как отметил соавтор исследования Крис Джонс, некоторые виды фотографируют тысячи раз, а другие остаются малоизученными. Даже для распространённых видов фотографии часто ограничены определёнными местами, сезонами или ракурсами.

Основное ограничение синтетических данных

Несмотря на потенциал, ИИ-генерируемые изображения оказались менее эффективны, чем реальные фотографии при обучении моделей. Томас Лейк подчеркнул, что большинство синтетических изображений выглядели правдоподобно с первого взгляда, но не захватывали тонкие детали и вариации, существующие в природе. Они упускали важную информацию, необходимую для точного определения видов: форму листьев, текстуру коры и особенности роста деревьев.

Роль гражданской науки остаётся критической

Исследование подтверждает, что платформы коллективных наблюдений, такие как iNaturalist, остаются незаменимы для природоохранных работ. Обычные люди, делясь фотографиями растений, животных и насекомых, предоставляют данные, которые содержат те самые детали, которые не может воспроизвести ИИ. Лейк отметил, что тысячи участников коллективной науки могут собрать намного больше наблюдений, чем любая исследовательская команда.

Как ИИ дополняет, а не заменяет

ИИ-генерируемые изображения могут использоваться для расширения небольших коллекций реальных фотографий, помогая учёным создавать начальные модели для определения видов и мониторинга в областях, где наблюдений мало. Однако это работает только как временное решение, пока продолжается сбор реальных данных. Лейк подчеркнул важность не переоценивать потенциал синтетических изображений: они дают новые способы использования реальных наблюдений для распознавания видов и отслеживания изменений на Земле, но не устраняют необходимость в полевых работах.

Перспектива для будущего

Наибольший потенциал этой технологии может быть в изучении видов и мест, о которых известно относительно мало. Однако основа остаётся неизменной: нужны люди, которые внимательно наблюдают природу и документируют её. Технология может помочь соединить и интерпретировать данные в больших масштабах, но понимание меняющегося природного мира требует реальных наблюдений.

Это данные исследования, а не медицинский совет.