뉴욕 Ithaca에서, Ornithology의 Cornell Lab의 실험실에있는 가상 기계는 밤에 Homming에 있습니다. 기계의 이름은 뿔 올빼미의 속은 후에 Bubo입니다. Bubo는 약 5 분마다 북동쪽 날씨 레이더 스테이션에서 이미지를 잡고 인공 지능 알고리즘의 파이프 라인을 통해 공급합니다. 이 레이더 이미지는 무엇을 보여 주나요? Bubo는 묻습니다. 비입니까? 이 곤충은? 꽃가루 일 수 있습니까? Bubo는 그런 것들에 관심이 없습니다. 보고 싶은 것은 비행 중에 새뿐입니다. 이를 찾기 위해 Bubo는 레이더 스테이션에서 보이는 대상의 속도와 방향을 분석합니다. Bubo는 새가 바람과 곤충과 다른 속도를 가지고 있다는 것을 알고 있으며, 그것들을 걸러냅니다. 이제 Bubo는 새 만 본다. 그러나 그들은 얼마나 조밀합니까? 그들은 얼마나 빨리 가고 있습니까? 그들은 하늘에서 얼마나 높아지고 있습니까? 이 기계는 이러한 계산을 만들고 비행 중에 수많은 새들의 이미지를 만듭니다.
Oregon State University의 컴퓨터 과학 교수 인 Thomas Dietterich는“우리가 밤에 볼 수 있다면 수백만 마리의 새들이 오버 헤드로 날아가는 것을 보게 될 것입니다. 검은 위기 벌새는 알래스카로가는 길에 멕시코 해안을 따라 날아갑니다. 노란 목가있는 Vireos는 걸프 해안으로 솟아 오르고 온타리오로 향했다. 올리브와 노란색의 플라이 캐처는 중앙 아메리카를 가로 질러 북서 지역으로 향합니다. "우리가 알지 못하는이 거대한 비밀스러운 일이 너무 경외심을 불러 일으키기 때문에."
과학자들은 오랫동안 새 이주의 비밀을 관통하려고했습니다. 그들은 새들이 전 세계에서 길을 찾는 놀라운 수단을 밝혔습니다. 여기에는 조류의 지형과 대륙의인지지도와 지구의 자기 기둥과 방향 비행 방향을 감지하는 눈의 메커니즘이 포함됩니다.
Ornithology의 정보 과학 부서의 Cornell Lab의 연구원 인 Andrew Farnsworth는 생물학 이상의 조류 이주를 이해하려고합니다. 그는 큰 사진을 찍었습니다. "더 큰 생태계 내에서의 마이그레이션은 어떻게 작동합니까?" 그는 묻습니다. "생태계가 변할 때란 무엇을 의미합니까?"
지난 4 년 동안 Farnsworth와 그의 동료, 생태 학자, 통계 학자, 컴퓨터 과학자 및 기상 학자 그룹은 Birdcast라는 프로젝트를 수행하여 Bubo의 기계 학습으로 이주하여 이주의 비밀을 밝혀 냈습니다. 이러한 비밀 중 일부는 지난 20 년 동안 추정 된 1 억 기래 레이더 스캔 내에 포함되어 있으며 National Oceanic and Atmedrication Administration이 보관했습니다. 다른 사람들은 매년 전 세계의 조류 감시자들이 종에 의한 관찰을 기록하는 온라인 플랫폼 인 ebird에서 매년 수천만 개의 조류 목격을보고 있습니다. 그리고 전국에 흩어져있는 음향 모니터링 장치에 의해 기록 된 수천 시간의 야간 조류 콜이 더 많이 있습니다.
Birdcast와 함께 Big Data Revolution은 야생 동물 보존을 만납니다. 새들이 다가 오지 않기 전에 불을 끄는 지방 자치 단체를 상상해보십시오.이 조류를 혼란스럽게하지 않도록 또는 새들이 살충제와 풍력 터빈으로부터 보호되는 하루 동안 새가 쉬고 먹이를주는 지역을 상상해보십시오. “대부분의 전통적인 보존은 특정 영역을 제쳐두고 있습니다. 정적입니다.”라고 Farnsworth는 말합니다. “이것은 더 역동적 인 보존의 시대가되고 있습니다. 무언가가 일어나기 전에 어떻게 행동을 바꿀 수 있습니까?” 이 예측 능력은 보존 주의자들이 기후 변화에 의한 스프롤, 개발 및 환경 변화로 인한 조류에 대한 위협을 완화하는 데 도움이 될 수 있습니다. 그러나 먼저 Dietterich는 다음과 같이 말합니다.
레이더 전에 야행성 이주에 대해 많이 알고있는 사람은 거의 없습니다. 1930 년대에 대서양 양쪽의 군사들은 적 항공기에 대한 사전 경고를 제공하는 기술을 개발하기 위해 경쟁했습니다. 날씨 레이더는 대기의 물체를 튀기는 펄스라고 불리는 무선 파열의 파열을 보냅니다. 레이더는 반환 에코의 속도와 전력에 따라 물체의 모양과 거리를 계산합니다. 레이더는 Heinkels와 Messerschmitts 및 Weather Fronts를 감지 할 수있는 것으로 판명되었습니다. 그러나 대기 중에서 움직이는 다른 물체들은 분류를 피했다. 영국군의 레이더 운영자들은 신비한 물체의 천사라고 불렀으며 독일인들은 그들을 Scheinziele이라고 불렀습니다. 그들이 무엇이든간에, 그들은 모든 사람들을 위해 혼란을 일으키고, 전투 방송국에 남자를 보내고, 유령 비행기를 쫓아 갔다. 영국의 전쟁 노력을 위해 일하는 조류 학자들은 그 물건이 새라고 생각했지만 새가 밤에 날아갈 것이라고 생각하지 않았다.
제 2 차 세계 대전 이후 몇 년 동안, 레이더 조류학이라는 분야의 개척자 중 한 명이 뉴 올리언스의 아이였습니다. Sidney Gauthreaux의 고향은 북미에서 가장 바쁜 이주 복도 중 하나의 통로에있었습니다. 카리브해, 남아메리카 및 중앙 아메리카의 겨울 부지에서 돌아 오는 종의 가장 직접적인 경로는 멕시코만을 넘어서서 400 ~ 600 마일을 건너기 위해 한 번의 여행으로 건너갑니다. 어렸을 때, Gauthreaux는 밤에 침실 밖에서 어두운 곳에서 비행기를 듣는 것을 듣고 깨어 있습니다. Gauthreaux는“내 경력은 우리가 볼 수 없기 때문에 밤에 분위기에서 무슨 일이 일어나고 있는지 이해하는 데 전념했습니다.
Gauthreaux가 1950 년대에 고등학교에 있었을 때, 최초의 현대 기상 레이더 시스템은 걸프를 따라 설치되었으며, WSR-57이라는 50 개의 스테이션의 전국 네트워크의 일부입니다. Gauthreaux는 방송국이 빗방울을 감지 할만 큼 민감하다면 밤에 들었던 새의 몸에 습기를 들이지 말아야한다고 생각 했습니까? 그는 레이더 이미지에 손을 대고 눈이 내리는 덩어리 구름을 볼 수있었습니다. 이 발견은 조류 이동에 대한 Gauthreaux의 열정을 불러 일으켰고 1970 년대 후반에 조류 연구를위한 최초의 모바일 레이더 실험실을 구축했습니다.
1990 년에 Gauthreaux는 Clemson University에 레이더 조류학 연구소를 설립했으며, 같은 기간 동안 전국 기상 시스템이 업그레이드되었습니다. 기상 시스템은 대상 밀도를 포착하기 위해 마이크로파 에너지를 방출하는 159 개의 스테이션으로 구성되었으며, 도플러를 사용하여 방사 속도 (대상이 레이더 빔에서 접근하거나 출발하는 속도) 및 방향을 기록했습니다. WSR-88D라고 불리는 네트워크의 레이더 데이터는 조류 학자들이 비행중인 새 수를 추정 할뿐만 아니라 속도와 방향으로 향하는 속도와 방향을 추정 할 수있게 해주었다.
1999 년 Gauthreaux의 대학원생 중 한 명은 Farnsworth로, 야행성 비행 전화와 레이더가 기록한 조류의 밀도 사이의 상관 관계에 대한 마스터의 논문을 집중 시켰습니다. 이 작업에는 엄청난 시간과 노력이 필요했습니다. Farnsworth는 몇 시간 동안 녹음 된 비행 통화를 듣고 날씨, 곤충, 박쥐 및 조류를 구별 한 후 각 레이더 이미지를 수동으로 분류해야했습니다. Farnsworth는 그의 논문을 위해 58 시간 동안 556 시간 동안 1 시간에서 시간까지의 조류 밀도와 조류 발성의 변화를 분석했습니다. 8 개월이 걸렸습니다.
2000 년 환경 보호국 (Environmental Protection Agency)의 자금 지원으로 Birdcast의 선구자는 Clemson, Cornell 's Ornithology 실험실 및 National Audubon Society의 Radar Ornithology Lab을 포함한 협력에서 태어났습니다. 목표는 레이더 스캔 및 일기 예보, 시민 과학자들이 축적 한 목격을 기반으로 대서양 복도의 조류 이동을 예측하는 것이 었습니다. 엄청난 양의 인간 및 재정 자원을 요구 한이 프로젝트는 2 년 후에 끝났습니다. Farnsworth는“세계의 연결성은이 아이디어가 실용적이지 않은 곳에 없었습니다. "이것은 사전 데이터였으며 시민 과학의 전체 아이디어는 폭발하지 않았습니다."
.2011 년까지 상황이 바뀌 었습니다. 인간의 제약으로 인해 원래의 새 캐스트가 성장할 수 없다면, 과학자들은 인간을 고리에서 꺼내기로 결정했습니다. 도전은 인공 지능 모델이 날씨, 곤충 및 조류를 구별함으로써 레이더 이미지를 분석하는 데 필요한 전문 지식을 얻을 수 있을지 여부였습니다. 만약 그렇다면, 과거 데이터의 페타 바이트는 공부할 수있을뿐만 아니라 지역 및 국가 규모 모두에서 거의 실시간으로 마이그레이션 조류를 신속하고 효율적으로 추적 할 수있는 가능성이 될 것입니다. 국립 과학 재단 (National Science Foundation)의 기금으로, 매사추세츠 대학교 (University of Massachusetts)의 컴퓨터 과학 조교수 인 다니엘 셀던 (Daniel Sheldon)과 합류 한 초기 버드 캐스트 팀은 일을 시작했고 부보가 해치되었습니다.
이제 매일 밤 Bubo는 17 개의 레이더 스테이션의 데이터와 날씨 데이터를 바람과 강수량과 구별하는 데 도움이되는 날씨 데이터를 다운로드합니다. Bubo의 방법은 기상 학자들이 레이더를 통해 풍향 방향과 속도를 프로파일하기 위해 사용하는 방법에서 파생되었지만“별명”문제를 다루는 새로운 기능이 있습니다. WSR-88D의 레이더는 일정량 이상의 방사형 속도를 계산할 수 없기 때문에 별칭이 발생합니다. 이러한 오류는 스캔을 왜곡하여 인바운드가 아닌 레이더 스테이션에서 아웃 바운드로 이동하는 데 특정 속도 이상의 물체를 보여줍니다. 별명은 새로운 것이 아니지만 Sheldon과 그의 Birdcast 동료들은 방사형 속도 값의 별칭을 설명하는 확률 론적 모델을 개발하고 전체 속도 필드를 재구성하기위한 추론 알고리즘을 작성함으로써 새로운 접근 방식을 생각해 냈습니다. 2013 년에 혁신은 인공 지능의 발전 협회로부터 팀이 최고의 논문 상을 수상했습니다. Bubo의 기계 학습 파이프 라인은 17 초 안에 레이더 이미지를 분석 할 수 있으며 1 시간 이내에 밤의 이미지를 분석 할 수 있습니다.
델라웨어 대학교 (University of Delaware)의 야생 동물 생태학 조교수 인 제프리 불어 (Jeffrey Buler)는“우리는 새들이 가을에 남쪽과 봄에 남쪽으로 날아 다니고있다”고 말했다. “이제 우리는 이러한 것들을 직접 관찰하고 미묘한 질문을 할 수있는 방법이 있습니다. 그들이하고있는 일의 좋은 점은 그들이 레이더 아카이브의 잠재력을 활용하기 시작한다는 것입니다.”
Bubo는 5 월부터 운영되었으며 올 가을까지 전체 마이그레이션 기간 동안 데이터를 생성하지 않을 것입니다. 그러나 Birdcast 팀은 2010 년과 2011 년에 두 번의 가을 이주에서 미국 북동부의 거의 40,000 개의 레이더 스캔을 포함하여 역사적 데이터를 분석하기 시작했습니다.이 연구는 조류가 대서양 휴가를 중심으로 마이그레이션하고 나중에 오는 대륙 이민자들과 다른 경로를 사용한다는 것을 보여줍니다. 이와 같은 결과는 생물 학자들이 기후 변화가 이주 종에 어떤 영향을 미치는지 이해하는 데 도움이 될 수 있습니다. 그의 예비 결과로 인해 짧은 거리 이민자들이 최근 수십 년 동안 계절 변화에 대응하는 반면, 장거리 종은 시간표를 바꾸지 않았다고 믿게되었습니다. Gauthreaux는“결과는이 종들이 식품 및 번식지의 생산과 동기화되지 않을 수 있습니다. “처음에는 상당히 극적인 인구가 감소 할 수 있습니다. 멸종을 의미 할 수있는 건강하지 않은 종의 경우, 인구는 너무 낮아서 적응할 수없고 종이 깜박일 수 있습니다.”
.Bubo가 데이터를 수집함에 따라 Birdcast는 두 가지 다른 인공 지능 실험을 확장 할 준비를하고 있습니다. 첫 번째는 머신 러닝 알고리즘을 사용하여 음향 장치에 의해 기록 된 마이그레이션 조류의 야행성 비행 호출을 식별합니다. 지금까지 뉴욕 주에는 10 개의 장치가 있으며 각각은 비행 통화를 위해 스크린을하는 탐지기가 장착되어 있습니다. 통화는 중앙 서버에 업로드되어 95 %의 정확도로 6 개의 다른 조류 종을 식별 할 수있는 알고리즘으로 처리됩니다. Cornell Ornithology의 정보 과학 책임자 인 Steve Kelling은“이것은 우리가 그 소리로 조류를 자동으로 감지하고 식별하도록 기계를 훈련시킬 수있는 첫 번째 중 하나입니다.
둘째, Birdcast는 통계 모델을 테스트하여 Ebird 데이터를 사용하여 조류 마이그레이션이 발생하기 1 ~ 2 일 전에 예측됩니다. 2002 년에 시작된 이래, Ebird는 시민 생성 데이터의 인상적인 원천이되었습니다. eBird 앱을 사용하는 많은 아마추어 새 감시자들이 매달 수백만 개의 목격을보고합니다. 2015 년 2 월, 4 일간의 글로벌 조류 수는 100 개국에서 140,000 명 이상이 eBird에 목격을 제출했습니다. 그러나이 모든 데이터는 도전을 제시합니다. Dietterich는 이주를 예측하는 문제는 그날 밤 비행 여부와 어디로 가야할지에 대한 개별 결정을 내리는 수십억의 조류가 포함된다고 설명했다. 컴퓨터가 이러한 모든 변수를 고려해야한다면 계산적으로 다루기 쉽습니다. Sheldon의 돌파구는 "집단 그래픽 모델"이었습니다. 조류 모집단의 모든 구성원에 대한 변수를 포함하는 대신, 집단 그래픽 모델은 개인에 대한 추론을 피하고 그룹에 중점을두고 알고리즘을 사용하여 한 지점에서 다른 지점으로 얼마나 많은 새가 이동하는 조류 수를 유추합니다. Sheldon은“분명하게 들리지만 돌파구는 확률 모델이 개인에서 집계로 들어 올릴 수 있다는 것을 깨닫는 것이 었습니다.
Birdcast의 경우 Grail은 세 가지 스트림의 데이터를 모두 통합하는 모델을 생성하고 있습니다. 이 모델은 마이그레이션을 형성하는 힘에 대한 가설을 테스트하여 이주와 현재 우리의 인식을 피하는 대기 사이의 관계를 드러 낼 수 있습니다. Farnsworth는 이것들이 통찰력이라고 말합니다. "우리가 모르는 근본적인 자연사 문제가 있습니다."라고 그는 말합니다. “상황이 바뀌기 시작하면 무엇을 의미합니까? 제트 스트림의 패턴? 극성 와류? 넓은 규모의 공간에 대한 대기의 변화? 이것들은 우리가 이해의 끝에서 우리가 옳은 것들입니다.”
M.R. O'Connor는 브루클린에있는 기자로 첫 번째 책 부활 과학 :보존, 탈퇴 및 위태로운 미래의 위태로운 미래는 9 월에 출판 될 것입니다.
Photocollage Richard Bartz, Paul Souders 및 Michael J. Bennett의 이미지에서 컴파일되었습니다.
