Denne artikkelen er produsert og finansiert av Universitetet i Agder - les mer.

Undervannsfoto av grøngylt.

Havforsking på Sørlands­kysten skjer no med kunstig intelligens

– Ein revolusjon, seier marinbiolog.

Overvaking av plankton og fiskebestanden langs kysten av Skagerrak vart før gjort manuelt av havforskarane.

No bruker dei kunstig intelligens for å observere livet i havet.

– Dette er ei tverrfagleg suksesshistorie og ein revolusjon innanfor havforskinga, seier Kim Tallaksen Halvorsen, marinbiolog ved Havforskingsinstituttet i Flødevigen.

Smart utstyr

Kamera, ekkolodd, sensorar og anna utstyr vert lasta med kunstig intelligens. Algoritmane i den kunstige intelligensen tel fisk og plankton, observerer storleiken på fisken og kan attpåtil skilje den eine fisken frå den andre.

– Kunstig intelligens frigjer tid for forskaren, men gir òg fleire observasjonar og meir informasjonen. Samtidig gir det sikrare observasjonar. Kamera med kunstig intelligens vert ikkje trøytte, dei er like merksame heile tida, seier Halvorsen.

Innføring i kunstig intelligens

Saman med fleire forskarar frå Universitetet i Agder (UiA) og Havforskingsinstituttet publiserer Halvorsen i desse dagar ein artikkel om kunstig intelligens, havforsking og såkalla mekatronikk i det vitskapelege tidsskriftet ICES Journal of Marine Science.

Mekatronikk er ingeniørfag som kombinerer mekanikk, elektronikk og datateknikk.

I artikkelen presenterer forskarane mellom anna tre vellykka forskingsprosjekt UiA og Havforskingsinstituttet har gjort saman. UiA er representert med forskarar frå Senter for forsking på kunstig intelligens, Top Research Centre Mechatronics (TRCM) og Senter for kystsoneforsking (CCR).

Forskingsartikkelen har ei innføring i kunstig intelligens. Den viser korleis tverrfagleg samarbeid og bruk av kunstig intelligens kan utvikle fleire forskingsfelt i framtida.

– Hensikta med denne forskingsartikkelen er å opne fagfeltet kunstig intelligens for fleire forskarar, seier professor Morten Goodwin.

Kunstig intelligens i startgropa

Bruken av kunstig intelligens er i startgropa for marinbiologar, men Halvorsen er allereie svært optimistisk. Han kallar det ein revolusjon det han og kollegaene hans no gjer langs Sørlandskysten ved hjelp av kunstig intelligens.

– Før var observasjon og teljing av fisk eit manuelt arbeid der vi måtte spole att og fram på timelange filmar for å finne informasjonen vi var ute etter. Berre det å måle lengda på torsken, krev eit bilde der fram- og bakpart på fisken er tydeleg. Arbeidet er svært tidkrevjande. Med kunstig intelligens automatiserer vi observasjonane. Vi får talet på ulike fiskeartar, storleik og andre observasjonar med det same, seier Halvorsen.

Coast Vision er eitt av forskingsprosjekta dei trekkjer fram i artikkelen. Der er kunstig intelligens brukt til å skilje og kjenne igjen ulike fiskeartar, men òg til å kjenne igjen fisken på individnivå.

Det er mogleg fordi fleire artar har tydelege mønster som er unike for kvart individ. Det gjeld til dømes artar som grøngylt, berggylt, laks og torsk.

– Vi bruker omtrent den same teknologien som finst i mobiltelefonar. Når vi kan følgje fisken på individnivå over fleire år, vil det kunne gi oss ny og sikrare innsikt i korleis fisken lever, seier Halvorsen.

Havforskarane Tonje Knutsen Sørdalen og Kim Tallaksen Halvorsen konsentrerer seg om arbeidet.

Forsking som ikkje er gjort før

Kunstig intelligens er ifølgje forskaren meir skånsamt enn tradisjonelle forskingsmetodar. Den tradisjonelle metoden for havforskarar er å fange fisk og deretter bedøve og merke han. Halvorsen anslår at han har fanga og merka 3000 til 5000 fisk i året på denne måten.

– Med kunstig intelligens unngår vi å fange, bedøve og setje ein datachip i fisken. Det betyr at vi kan opptre meir skånsamt overfor livet i havet, men likevel skaffe oss meir informasjon, seier Halvorsen.

I prosjektet Coast Vision har forskarane følgt veksten og åtferda til eit individ over tid berre ved hjelp av kameraobservasjonar og kunstig intelligens. Det har ingen forskarar gjort før blant naturlege fiskebestandar.

Halvorsen trur kunstig intelligens vil bidra til at ein i framtida kan overvake og forstå endringar i havet straks dei inntreff.

– Vi kan få informasjon om helsetilstanden i Skagerrak i sanntid, og dermed også vere i stand til å setje i gang tiltak med ein gong viss noko er prekært, seier Halvorsen.

Tolking av store mengder data

– Dei marine økosystema er store og komplekse, og det er òg datamengda som er nødvendig for å forstå systema, seier Rebekah Alice Oomen.

Ho er marinbiolog ved UiA og Universitetet i Oslo, og ein av forskarane bak den nye studien.

Ho understrekar at den store utfordringa ikkje er å finne, men å analysere dei enorme mengdene med data.

– Mens vi før brukte uhorveleg mykje tid på å gå gjennom og tolke data, kan vi no overlate den arbeidsoppgåva til kunstig intelligens, seier ho.

Ho understrekar at målet med arbeidet bak den nye studien rett og slett har vore å gjere verktøya frå kunstig intelligens tilgjengelege for marinbiologane.

– Arbeidet dreiar seg om ein ny bruk av mekatronikk og kunstig intelligens for å samle og tolke stordata, seier Oomen.

Stordata (big data) vert av Store norske leksikon definert som data som er for omfattande til at ein kan handtere det med tradisjonelle metodar.

Som marinbiolog er kunstig intelligens eit nytt felt for Oomen. Undervegs vart ho imponert over kor stor variasjon det er innanfor kunstig intelligens og kor ulike algoritmane kan vere.

– Den største overrasking har likevel vore at kunstig intelligens kokar ned til å dreie seg om nokre få, men fundamentale aspekt. Det dreiar seg om å oppdage objektet, klassifisere det og skilje og isolere til dømes ein bestemt fisk frå det som ikkje har noko med den fisken å gjere, seier ho.

Angela Helen Martin, Susanne Huneide Thorbjørnsen og Rebekah A. Oomen er tre av forskarane bak den nye studien. Her er dei klare for feltarbeid.

Naturområde utan full kontroll

Forsking i det forskarane kallar ustrukturerte miljø – naturområde der forskaren ikkje har full kontroll på alt som skjer – er spennande for mekatronikk-forskaren Kristian Muri Knausgård.

Han er spesialist på sanntidssystem og innebygde datasystem, og arbeider med å få fleire robotar og automatiske prosessar til å fungere saman samtidig.

– Det interessante med det vi gjer no, er at det ikkje er utprøving av handlingar i eit kontrollert miljø inne på ein fabrikk, men ute i det fri der vi ikkje kan styre alt. For å bere kamera, ekkolodd, sensorar og anna utstyr som går ned i sjøvatn, trengst det utstyr som taklar varierande sikt og lysforhold, vind, bølgjer og andre naturfenomen i havet, seier Knausgård.

Lærer opp kvarandre

– Biologar og teknologar har ulike tilnærmingar til forsking. Vi snakkar ulike språk, så vi må utdanne kvarandre i kvart vårt fagfelt, seier Tonje Knutsen Sørdalen, marinbiolog ved UiA.

Ho understrekar at ei gjensidig forståing mellom biolog og teknolog, er grunnleggjande for at kunstig intelligens i det heile tatt skal kunne bidra med relevant informasjon.

– Når vi forstår einannan, kan vi strukturere datasett som er optimale og gir oss dei dataa vi er ute etter, seier ho.

Sørdalen minner om at eitt av poenga med den nye forskingsartikkelen er å gjere andre biologar merksame på grunnleggjande teknologiske ord og uttrykk som er nødvendige for å forstå feltet.

– Og så må teknologane lære om det som er viktig og uviktig å få med under ein observasjon. Eg trur nok at teknologane har fått aha-opplevingar til dømes om dei krevjande og til dels kaotiske dataa vi jobbar med, seier ho.

Maskina ser meir enn mennesket

Sørdalen viser til at havforskarane berre kan tolke ein brøkdel av dei enorme mengdene med data dei samlar inn.

På grunn av til dømes grumsete vatn kan det vere krevjande med det blotte auget å berre å skilje mellom bakgrunnsstøy og det objektet ein skal analysere.

– Her får vi hjelp av maskinsynet til kunstig intelligens. Det kan gi oss ein meir objektiv analyse og er uavhengig personleg bruk. Når kunstig intelligens vert betre til å observere fisk enn det menneskelege auget, kan vi ta inn enda meir data enn i dag. Da kan vi til dømes la filmkamera rulle og gå eit heilt år. Kamera som står slik og observerer over svært lang tid, kan gi oss heilt ny informasjon, seier Sørdalen.

Samarbeid over år

Professor Morten Goodwin meiner nøkkelen til tverrfagleg kompetanse er samarbeid og gjensidig opplæring over år.

– Tverrfagleg kompetanse vert bygt opp over tid. Som forskar på kunstig intelligens må eg forstå kva ein fisk er før eg kan samarbeide godt med havforskarar, mens dei på si side må forstå kva vi kan få til med kunstig intelligens, seier Goodwin.

Han trur den nye studien kan bidra til å inspirere fleire universitet og forskarar i inn- og utland til å satse på kunstig intelligens og tverrfagleg samarbeid.

Referanse:

Morten Goodwin mfl: Unlocking the potential of deep learning for marine ecology: overview, applications, and outlook. Cornell University, 2021. Studien blir også publisert i ICES Journal of Marine Science, 2021.

Forskarane bak studien

Forskarane bak den nye studien er i alfabetisk rekkjefølgje Morten Goodwin, Kim Tallaksen Halvorsen, Lei Jiao, Kristian Muri Knausgård, Angela Helen Martin, Marta Moyano, Rebekah A. Oomen, Jeppe Have Rasmussen, Tonje Knutsen Sørdalen og Susanne Huneide Thorbjørnsen.

forskning.no vil gjerne høre fra deg!
Har du en tilbakemelding, spørsmål, ros eller kritikk? TA KONTAKT HER

Powered by Labrador CMS