Sztuczna inteligencja rozpoznaje ptasie jaja. Przełom w badaniach dzierzb

6 maja 2025

Udostępnij:

Autorzy: P. Pstrokoński, Ł. Roszkowiak, A. Korzyńska, W. Wójcik, M. Päckert, J. Rosenberger, D. Mierzwa-Szymkowiak, M. Sepkowska, J. Lontkowski, M. Słupek, K. Damaziak

Streszczenie

Naukowcy wykorzystali sztuczną inteligencję (konwolucyjne sieci neuronowe) do rozpoznawania jaj czterech gatunków dzierzb na podstawie wzorów pigmentacyjnych na skorupkach. Model osiągnął ponad 95% skuteczności, a techniki wyjaśnialnej AI (SHAP i Grad-CAM) pozwoliły zidentyfikować, które fragmenty jaj mają największy wpływ na klasyfikację. Choć nie udało się wskazać jednoznacznych cech różnicujących dla każdego gatunku, badanie pokazało, że wzory i kolorystyka skorupki mogą zawierać gatunkowe i indywidualne sygnatury. Praca ta otwiera nowe możliwości dla badań nad ewolucją, pasożytnictwem lęgowym oraz porządkowaniem kolekcji muzealnych.

Czy komputery mogą nauczyć się rozróżniać ptasie jaja po ich kolorze i wzorze? Nowe badania polsko-niemieckiego zespołu naukowców udowadniają, że to możliwe – i to z imponującą skutecznością. W artykule opublikowanym w czasopiśmie PLoS ONE badacze pokazali, jak wykorzystali wyjaśnialną sztuczną inteligencję (XAI) do klasyfikowania jaj dzierzb (rodzina Laniidae) na podstawie wzorów pigmentacyjnych na skorupkach.

Tajemnicze wzory ptasich jaj

Ptasie jaja to nie tylko obiekty o estetycznej wartości – ich wygląd ma głęboki sens biologiczny. Kamuflaż, sygnały dla partnerów, ochrona przed pasożytami, a nawet rozpoznawanie własnego gniazda – to tylko niektóre funkcje wzorów na skorupkach.

Jednak u niektórych gatunków, takich jak dzierzby, te wzory są wyjątkowo zmienne i trudne do zrozumienia. Dlatego naukowcy postanowili sprawdzić, czy sztuczna inteligencja jest w stanie znaleźć w nich ukryte reguły.

Kiedy komputer uczy się jak ornitolog

Zespół wykorzystał konwolucyjne sieci neuronowe (CNN), czyli algorytmy komputerowe specjalizujące się w rozpoznawaniu obrazów. Analizując ponad 2200 jaj pochodzących z czterech gatunków dzierzb, algorytm osiągnął skuteczność przekraczającą 95% w rozpoznawaniu, do jakiego gatunku należy dane jajo!

Ale to nie wszystko. Naukowcy nie tylko nauczyli komputer klasyfikować jaja – chcieli także zrozumieć, dlaczego podejmuje takie decyzje. Dlatego zastosowali narzędzia tzw. „wyjaśnialnej AI” – SHAP i Grad-CAM – które pozwalają wskazać, które części obrazu miały największy wpływ na wynik.

Czego nauczyliśmy się o samych dzierzbach?

Wyniki są nie tylko imponującym osiągnięciem technologicznym, ale również przynoszą nowe spojrzenie na biologię ptaków. Okazało się, że:

Red-backed shrike (dzierzba gąsiorek) charakteryzuje się pierścieniem plam wokół tępego końca jaja. Te plamy o umiarkowanym kontraście były kluczowe dla klasyfikacji.
Lesser gray shrike (dzierzba czarnoczelna) rozpoznawana była głównie po kształcie jajka i kolorze tła, a nie po pojedynczych plamkach.
Great gray shrike (dzierzba srokosz) ma najbardziej wyraźne i ciemne plamy, które dominowały w klasyfikacji.
Woodchat shrike (dzierzba rdzawoczelna) wyróżnia się kilkoma wyraźnymi punktami, które z jakiegoś powodu są kluczowe dla AI, mimo że jaja bywają mocno upigmentowane.

Po co to wszystko?

W zbiorach muzealnych na całym świecie znajdują się miliony jaj ptasich. Część z nich nie ma etykiet lub są one nieczytelne. Proponowana metoda może pomóc w ponownej identyfikacji jaj w kolekcjach, wspierając badania nad ewolucją, pasożytnictwem lęgowym czy selekcją płciową.

To również kolejny krok ku lepszemu zrozumieniu, jak ptaki „widzą” i rozpoznają własne jaja – pytanie, które od dekad fascynuje ornitologów.

Nauka spotyka technologię

Badania pokazują, że nawet subtelne wzory pigmentacyjne na skorupce mogą nieść kluczowe informacje, które dziś odczytuje nie tylko ptak, ale też… komputer. Połączenie biologii, informatyki i sztucznej inteligencji otwiera nowy rozdział w nauce o ptakach i pokazuje, że muzealne kolekcje mają wciąż ogromny potencjał badawczy.