アルゴリズムがバグをキャッチ：ディープラーニングとコンピュータービジョンが昆虫学を変える

[[390223]]

導入

コンピュータ アルゴリズムは、ソフトウェア プログラムのバグを検出するのに役立つだけでなく、科学者が自然界の実際のバグを見つけるのにも役立ちます。今年PNASに掲載された論文では、ディープラーニング技術を用いて包括的な生態情報ビッグデータを取得する大規模なセンサーベースの昆虫検出が提案されました。

生物集団は急速な絶滅の新たな時代に入る

世界は重大な岐路に立たされています。多くの兆候が世界の終わりの到来を予兆しているようです。生物学を例にとると、人類が現在経験している第六次大量絶滅は、6500万年前の白亜紀の大量絶滅に相当する可能性がある。この出来事により、かつて地球上で優位に立っていた恐竜は地中に沈み、岩層の中で化石となった。科学者も博物学者も、数多くの鳥類、哺乳類、両生類の絶滅の記録に簡単にアクセスできます。その期間中に、地球上の全種の約 80% が姿を消しました。

現在、昆虫が消滅しつつあることを示す研究報告が数多くあります。 3年前、ドイツのクレーフェルト昆虫学会が発表した報告書では、飛翔昆虫の数は30年間で75％減少したと結論づけられている。これはその後、昆虫の総バイオマスと個体数を測定したネイチャー誌[1]に掲載された研究によって確認されました。

昆虫は世界で重要な役割を果たしている

しかし、昆虫の個体数が安定していることを示す他の研究と比較すると、この結論は驚くべきものかもしれません。研究者たちは昆虫絶滅の影響が誇張されているのではないかと疑問を抱いている。昆虫が人間の生活環境に及ぼす重要な影響を考慮すると、研究者は結論を出す前に正確で詳細なデータを入手する必要があります。昆虫は自分で燃料を補給するミニカーのようなものです。昆虫の体の構造は、人間が発明したどんな装置よりも進化しています。昆虫は、果物や野菜から雑草の花粉、枯れ枝や葉から糞や死肉まで、数え切れないほど多くの働きをします。昆虫はどこにでもいるとも言えます。昆虫は土壌や水を浄化し、自然界の栄養循環を促進します。

[[390224]]

ミツバチは受粉を担う（写真提供：pixabay）

つまり、昆虫は生態系内の無数の他の種の食料源となっており、昆虫の数が減少することによる影響は想像を絶するものとなる可能性がある。現代の技術は急速に発展しているが、研究者が昆虫を調査する手段はそれほど改善されていない。研究者たちは今でも昆虫を追跡するのに、時間がかかり、非効率的で、労働集約的な方法を使用しています。新しい技術を使ってこの古くからある課題を完了し、昆虫に関するより詳細な情報を入手できれば、関連する問題はより簡単に解決できるでしょう。

人工知能は希望をもたらす

しかし、過去 10 年間で、ディープラーニングなどのテクノロジーの発展により、昆虫学という古代の分野に新たな機会がもたらされました。ディープラーニングアルゴリズムに基づく画像処理技術とコンピュータービジョン技術が、従来の手動観察方法に取って代わりつつあります。

農業では、昆虫は通常害虫とみなされるため、既存の昆虫検出技術は昆虫の行動を検出し、害虫を予防および駆除するためのより効果的な殺虫剤を開発することがよくあります。ただし、研究者は同じ技術的原理に基づいてその使用方法を変更することができます。最近の研究では、カメラ、レーダー、マイクなどのセンサー機器を使用して取得できるデータセットのサイズは、従来の観測方法よりも数桁大きいことが示されています。そのため、ディープラーニングアルゴリズムは、データの抽出と処理のための重要なツールとなっています。

このアプローチは、単一の種の検出に適用されています。例えば、研究者はオリーブの木を食べる昆虫を罠に誘い込み、自動的に写真を撮り、リモートサーバー上のアルゴリズムを使用して分析することができます。対応する認識アルゴリズムは顔認識の問題において人間の能力を超えており、これは昆虫の分野でも例外ではありません。ディープニューラルネットワークはすでに昆虫を識別して数えることができ、また、ミツバチや他の花を訪れる昆虫の季節的な動態など、より豊富な情報を取得することもできます。

Høyeとその同僚[2]は、いくつかの潜在的に革命的な研究アプリケーションに焦点を当てています。まず、世界的な昆虫減少の深刻さをより深く理解するために、世界中の研究機関が画像認識技術を使用して昆虫の個体数と多様性を監視し始めることができます。携帯電話のアプリケーションでは、写真を撮ることで花を識別するのと同様に、同じアイデアを使って個々の昆虫を識別することもできます[3, 4]。この方法は、真剣かつ体系的な生態学的モニタリングや科学的研究のタスクにはあまり適していませんが、期待する価値のある方向性でもあります。高い空間解像度と時間解像度の画像を生成できるタイムラプスカメラも開発中です。このような技術は、野原や森林などの特定の昆虫種を検出するために使用できます。

ディープラーニングが昆虫研究をさらに支援

これらの新しい技術は、種間の相互作用を理解する機会も提供します。種間の相互作用は生態系全体にとって不可欠です。しかし、発生時期が不確定で発生確率が低いため、手動で検出して記録することは困難です。しかし、高速画像検出技術はこの問題を解決できます。例えば、昆虫が花を訪れたり、動物が草や落ち葉を食べたりする様子を、カメラを固定した位置から撮影し、生物の成長過程をすべて記録することができます。タイムラプスカメラとディープラーニング技術は、植物と昆虫の相互作用を記録できることも実証されています。

種間には複雑な相互作用がある自然（S. Seibold et al. Nature 574, 671–674; 2019）

さらに野心的な目標は、機械学習による画像認識および分類技術を使用して、分類学自体の発展を促進することです。最近の研究では、博物館の甲虫標本の画像約 65,000 枚のデータから学習した認識システムが 75% の成功率を達成しました。識別システムの成功率は向上するが、分類学者は「人工知能が仕事を奪う」ことによる失業を心配する必要はない。新しい技術を日常的な識別および鑑定作業に適用することで、科学研究者の作業負荷を軽減し、専門家が標本研究にさらに多くのエネルギーを注ぐことができるようになります。