Małe urządzenie AI rozpoznaje komary po dźwięku skrzydeł

Niewielkie urządzenie wykorzystujące sztuczną inteligencję rozpoznaje komary przenoszące choroby na podstawie dźwięku ich skrzydeł.

.Kiran Trivedi z University of Wollongong opracował niewielkie i tanie urządzenie, które rozpoznaje komary na podstawie charakterystycznego dźwięku uderzeń skrzydeł. System wykorzystuje sztuczną inteligencję, ale nie wymaga połączenia z internetem, serwerem ani usługą działającą w chmurze.

Prototyp potrafi w kilka sekund odróżniać komary należące do trzech ważnych z punktu widzenia zdrowia publicznego rodzajów: Aedes, Anopheles i Culex. Należą do nich owady przenoszące między innymi malarię, dengę, zikę oraz gorączkę Zachodniego Nilu. Każda grupa wytwarza nieco inny dźwięk, ponieważ częstotliwość pracy skrzydeł tworzy charakterystyczny wzorzec akustyczny.

Sztuczna inteligencja mieści się na małym układzie

.Urządzenie opiera się na Tiny Machine Learning, czyli TinyML. Technologia pozwala uruchamiać niewielkie modele AI bezpośrednio na energooszczędnych układach, zamiast przesyłać dane do dużych centrów obliczeniowych.

Model działa na niewielkiej płytce Arduino wyposażonej w mikrofon oraz wyświetlacz. Został wytrenowany na publicznie dostępnych nagraniach i osiągnął dokładność wynoszącą 88,3 proc. Zdaniem twórcy wynik może zostać poprawiony przez zastosowanie lepszych mikrofonów oraz nagrań zawierających mniej zakłóceń.

Wykorzystanie dźwięku do rozpoznawania sygnałów biologicznych nie ogranicza się do owadów. Podobną zasadę stosują systemy analizujące głos jako źródło informacji o stanie zdrowia. Algorytm nie słyszy jednak komara tak jak człowiek. Porównuje zarejestrowany sygnał z wzorcami poznanymi podczas treningu i przypisuje go do najbardziej prawdopodobnej kategorii.

Tradycyjne badania są dokładne, ale powolne

.Obecne metody monitorowania komarów wymagają często pobierania próbek wody z miejsc lęgowych, zbierania larw i identyfikowania ich w laboratorium. Procedura może dostarczać dokładnych wyników, ale wymaga infrastruktury, specjalistów oraz czasu.

Takie warunki są szczególnie trudne do zapewnienia w odległych i słabiej rozwiniętych regionach, gdzie choroby przenoszone przez komary powodują największe straty. Problem pokazują między innymi kolejne epidemie dengi w krajach Ameryki Południowej.

Przenośny detektor nie zastępuje badań laboratoryjnych ani nadzoru epidemiologicznego. Może jednak pozwolić szybko sprawdzić, jakie komary pojawiają się w danym miejscu, i wskazać obszary wymagające dokładniejszej kontroli.

Urządzenie może być używane bez rozbudowanej infrastruktury telekomunikacyjnej. Brak konieczności wysyłania nagrań do chmury ogranicza również koszty transmisji i pozostawia analizowane dane na lokalnym sprzęcie.

Mapa zagrożenia tworzona w czasie rzeczywistym

.Największy potencjał technologii może ujawnić się nie w pojedynczym detektorze, lecz w całej sieci urządzeń. Rozmieszczone w wielu miejscach czujniki mogłyby przez całą dobę rejestrować aktywność komarów i przekazywać wyniki do aktualizowanej mapy.

Kiran Trivedi porównuje ten mechanizm do aplikacji pokazujących natężenie ruchu drogowego. Zamiast korków system przedstawiałby miejsca, w których zaczynają gromadzić się komary mogące przenosić niebezpieczne choroby.

Wczesne wykrycie takiego obszaru pozwoliłoby służbom zdrowia publicznego reagować przed wybuchem większego ogniska. Lokalne władze mogłyby wcześniej prowadzić opryski, usuwać miejsca lęgowe lub kierować działania informacyjne do najbardziej zagrożonych społeczności.

Znaczenie takiego monitoringu pokazują badania nad tym, jak komary odnajdują ludzi i reagują na sygnały pochodzące z otoczenia. Skuteczna walka z nimi wymaga nie tylko leczenia chorób, ale także wiedzy o liczebności, zachowaniu i rozmieszczeniu poszczególnych rodzajów owadów.

Mały model posiadający duże zastosowanie

.Prototyp pokazuje odmienny kierunek rozwoju AI od dominujących modeli wymagających ogromnej mocy obliczeniowej. W wielu zastosowaniach nie jest potrzebny system zdolny do prowadzenia rozmowy, tworzenia obrazów lub analizowania miliardów dokumentów. Wystarczy niewielki model wykonujący jedno precyzyjne zadanie.

Takie podejście może mieć szczególne znaczenie w ochronie zdrowia. Jak pokazuje szersza debata o zastosowaniu AI w medycynie, wartość algorytmu nie zależy wyłącznie od jego złożoności, lecz od tego, czy dostarcza wiarygodnej informacji we właściwym momencie i czy wiadomo, kto odpowiada za reakcję.

Trivedi został zaproszony do przedstawienia urządzenia podczas AI for Good Global Summit w Genewie. Kolejnym krokiem będzie poprawa jakości nagrań i sprawdzenie działania rozwiązania w rzeczywistych warunkach terenowych.

.Urządzenie nie zwalcza komarów i nie przewiduje samodzielnie epidemii. Może jednak dostarczyć szybkiego ostrzeżenia tam, gdzie tradycyjny nadzór działa zbyt wolno albo jest niedostępny. Czasem najbardziej użyteczna sztuczna inteligencja nie znajduje się w wielkim centrum danych. Mieści się na małej płytce i słucha dźwięku skrzydeł.

Szymon Ślubowski