※イメージ画像です。
ますますAIの精度が問われますね。
【従来の捕獲タグ付けが不要に】
カラパイアの伝えるところによりますと、2026年2月、スイス連邦工科大学ローザンヌ校とアラスカ・パシフィック大学の国際共同研究チームが、アラスカに生息するヒグマの個体識別を目的とした顔認証AI「PoseSwin」を開発した、とのことです。
詳細は記事でご確認頂ければと思いますが、季節による体重変動や毛並み変化が識別を困難にする課題に対し、眉骨の角度、耳の配置、鼻先の形状などの骨格的不変特徴とポーズを組み合わせた機械学習を活用。
結果、非接触で遠距離からの写真識別が可能になり、アラスカのマクニール川州立野生生物保護区で100頭以上のヒグマの健康状態や移動パターンを監視中だ、また、オープンソース公開により、他種への応用も期待されている、と記事は続けています。
【誤認識の課題も】
遠隔で安全に野生動物のデータが取れるのはよいですね。
土木・建設・環境分野の現役仕事人にとって、野生動物との共存を考慮したプロジェクト設計や現場管理に大きな影響を与える、でしょう。
将来的に期待されるのは、非接触型監視の拡大により、生態系保全のためのデータ収集が効率化され、例えば北海道のエゾヒグマ（同一種）管理で、人間活動エリアの土木工事計画が動物の移動パターンを基に最適化される点です。
これにより、建設現場での野生動物衝突リスクを低減し、環境影響評価の精度が向上する可能性が高いと考えられます。
一方で、不安要素としてはAIの誤識別リスクが挙げられますね。
特に、データ不足の地域で導入した場合、誤った移動パターン分析が誤った保全策を導き、結果的に生態系のバランスを崩す恐れがあり、そうなったら、大惨事ですね。
そういう点ではオープンソースで公開されているので、いろんな人が使って課題を浮き彫りにして、改善されていく事を期待したいところです。
【関連記事】
最新研究が明かす驚きの真実、データが示すクマの生態変化と生活圏の衝突
クマは“弱い個体が人里へ押し出される”という説の紹介（スタンピード仮説）（2025）
銃に慣れた人でもこのレベル、ライフルによるクマとの接近戦シミュレーション
遭遇確率をAIで可視化する『クマ遭遇AIマップ』（2025）
四足歩行ロボットの遠隔操作実験（建築研究所）（2024）
Follow @norimenKF
