La reconnaissance faciale est disponible pour les chimpanzés
Des scientifiques britanniques ont mis au point un nouveau logiciel d’intelligence artificielle (IA) qui permet de reconnaître et de suivre individuellement les visages de chimpanzés dans la nature, ce qui pourrait réduire le temps que les écologistes et d’autres passent à analyser laborieusement des séquences vidéo.
Image d’entête, à partir de l’étude : reconnaissance faciale de chimpanzés de Bossou, Guinée. (Université de Kyoto/ Institut de recherche sur les primates)
L’équipe de l’université d’Oxford affirme qu’il s’agit du premier modèle informatique à suivre et à reconnaître en continu des individus dans une vaste gamme de poses, avec une grande précision dans des conditions difficiles telles qu’un faible éclairage, une image de mauvaise qualité et un flou de mouvement.
L’IA a été formée en utilisant plus de 10 millions d’images de 23 chimpanzés différents provenant du Japon. Les archives de l’Institut de recherche sur les primates de l’université de Kyoto contiennent plus de 50 heures d’images de chimpanzés sauvages en Guinée, Afrique de l’Ouest, prises sur 14 ans.
Selon Dan Schofield, anthropologue et chercheur principal :
Pour des espèces comme les chimpanzés, dont la vie sociale est complexe et qui vivent de nombreuses années, obtenir des instantanés de leur comportement à partir de recherches à court terme sur le terrain peut nous en dire long.
En exploitant la puissance de l’apprentissage automatique pour débloquer de grandes archives vidéo, il est possible de mesurer le comportement à long terme, par exemple en observant comment les interactions sociales d’un groupe changent sur plusieurs générations.
Dans une étude publiée cette semaine, les chercheurs affirment que leur approche fondée sur l’apprentissage profond a démontré une précision de 92,5 % pour la reconnaissance d’identité et de 96,2 % pour la reconnaissance du sexe.
Le coauteur Arsha Nagrani, chercheur en vision par ordinateur, explique qu’il se distingue des logiciels de reconnaissance faciale des primates précédents en ce qu’il peut être appliqué à des séquences vidéo brutes avec une intervention manuelle ou un prétraitement limité, économisant du temps et de ressources.
Les chercheurs ont testé la performance de leur modèle par rapport à des observateurs humains, en sélectionnant 100 visages aléatoires dans l’ensemble de tests et en les fournissant aux chercheurs et aux étudiants ayant une expérience d’identification des chimpanzés de la région de Bossou, en Guinée.
Les humains avec un niveau d’expérience d’expert ont complété la tâche en 55 minutes environ, identifiant correctement 42% des chimpanzés en moyenne, tandis que les novices ont complété la tâche en 130 minutes environ et seulement 21% ont été correctement identifiés.
En revanche, le modèle a atteint une précision de 84 % en 30 secondes avec une unité centrale standard ou en seulement 60 millisecondes avec une unité de traitement plus rapide.
Schofield et ses collègues ont également utilisé l’outil pour analyser les changements dans le réseau social des chimpanzés au fil du temps, trouvant qu’il identifiait correctement les mères et les jeunes enfants comme les groupes les plus susceptibles d’apparaître ensemble.
Ils disent qu’il sera important de tester l’applicabilité du modèle à d’autres espèces.
Toujours selon M. Schofield :
Face à une crise croissante de la biodiversité et à la menace qui pèse sur de nombreux écosystèmes de la planète, la capacité de surveiller étroitement différentes espèces et populations à l’aide de systèmes automatisés sera cruciale pour les efforts de conservation, ainsi que pour la recherche sur le comportement animal.
De telles collaborations interdisciplinaires ont un énorme potentiel d’impact, en trouvant de nouvelles solutions à d’anciens problèmes et en posant des questions biologiques qui n’étaient auparavant pas réalisables à grande échelle.
Le logiciel est disponible en open source pour la communauté des chercheurs, ajoute Nagrani.
L’étude publiée dans la revue Science Advances : Chimpanzee face recognition from videos in the wild using deep learning.