Российские ученые совместно с командой разработчиков Yandex.Cloud планируют создать нейросеть для оценки качества экосистемы Байкала. Алгоритм будет брать пробы воды из озера, а после автоматически распознавать и классифицировать содержащиеся в ней микроорганизмы.
В разработке проекта принимают участие сотрудники НИИ биологии ИГУ, разработчики MaritimeAI, команда облачного сервиса Yandex.Cloud и Фонд поддержки прикладных экологических разработок и исследований «Озеро Байкал».
Данная технология разрабатывается в рамках проекта экологического мониторинга Байкала «Точка №1». Он подразумевает регулярный анализ воды в озере на наличие фито- и зоопланктона. Эти процессы позволяют наблюдать за развитием экосистемы, а также выявлять влияние на нее изменений климата. Новая нейросеть облегчит работу ученым, которым приходится распознавать, различать и систематизировать более 400 видов байкальского планктона.
Как пишет издание CNews, проект «Точка №1» появился в 1945 году и на данный момент входит в Книгу рекордов России как самый длительный научный проект регулярного экологического мониторинга. На протяжении более чем 75 лет каждые 7-10 дней ученые берут пробы воды с различных глубин.
В последние годы проект «Точка №1» находился под угрозой закрытия, так как используемая в нем методика распознавания технологически устарела. Для сохранения и дальнейшего развития проекта было задумано создать новую интеллектуальную систему на основе искусственного интеллекта. Она должна будет обучиться распознавать микроорганизмы и снизить объем рутинной работы ученых.
Эксперты в области ИИ из облачного сервиса Яндекса предложили использовать в проекте собственные вычислительные мощности и сервис для ML-разработки DataSphere. Также команда Yandex.Cloud привлекла к участию экспертов по созданию моделей искусственного интеллекта для изучения морских экосистем – компанию Maritime AI.
Для того чтобы подготовить алгоритм к работе, научные сотрудники предоставили более 1000 фотоснимков каждого вида планктона и передали их в Yandex.Cloud. Новой системе предстоит научиться определять видовую принадлежность планктонных частиц в автоматическом режиме.
Комментарии