ИИ для экомониторинга: как нейросеть следит за здоровьем Байкала

Нейросеть для экомониторинга, созданная учёными Иркутского государственного университета вместе с компанией MaritimeAI и при поддержке «Яндекса», научилась распознавать микроорганизмы Байкала на снимках с микроскопа. Анализ одной пробы воды сократился с нескольких дней до нескольких часов. Точность до 87%, почти как у человека, но система уже перелопатила больше 250 тысяч изображений из 811 проб. Так ИИ для экологического мониторинга забирает у учёных рутину. А дальше самое интересное: ту же технологию собираются натравить на поиск микропластика, и это меняет правила игры для всего экомониторинга.

Разберём по порядку: что делает ИИ, откуда взялись эти цифры, как машина и человек делят работу. И в конце покажу, почему один крошечный рачок в этой истории важнее любой нейросети.

Почему одна проба воды это дни ручной работы

Байкал самое глубокое озеро планеты, около 1642 метров, и в нём хранится примерно пятая часть мировых запасов незамёрзшей пресной воды. Объект Всемирного наследия ЮНЕСКО. За здоровьем такой экосистемы нельзя следить на глаз: главный индикатор состояния воды это планктон, микроскопические водоросли и рачки, чей видовой состав и численность меняются раньше, чем что-либо заметит человек на берегу.

Чтобы понять, что происходит с озером, гидробиолог берёт пробу воды и садится за микроскоп. Дальше начинается рутина: опознать каждый организм в капле, отнести его к нужному виду, посчитать. Нужен эксперт-таксономист и колоссальные трудозатраты. Одна проба это часы и дни кропотливой работы, где к концу смены накапливается усталость оператора, а с ней и ошибки. Это узкое место и стало мишенью для нейросети.

Что именно делает нейросеть Байкала

Технология построена на компьютерном зрении, том же классе задач, что распознаёт лица на фото или дорожные знаки в беспилотнике. Только здесь объект классификации микроорганизм на снимке с микроскопа. Модель обучили на размеченных изображениях: ей показали тысячи примеров с ответами «это такой-то вид», и она научилась узнавать их сама.

В работе система берёт на себя типовые, массовые случаи, те самые, которых в каждой пробе большинство и которые отнимали у специалиста львиную долю времени. Распознала, классифицировала, посчитала. Человек не исчезает из процесса: ему остаются сложные и редкие организмы, где нужен опытный глаз. Этот подход в индустрии называют «человек в контуре» (human-in-the-loop): автомат делает рутину, эксперт принимает решения на спорных участках.

Есть и побочный ценный эффект, воспроизводимость. Нейросеть не устаёт и не отвлекается, поэтому один и тот же снимок она разберёт одинаково и утром, и в конце рабочего дня. Для науки, где результат должен повторяться, это важно.

Цифры проекта

Соберу главные показатели в одном месте.

87% звучит скромно, но для этой задачи это много. Цель не в том, чтобы заменить человека полностью, а чтобы снять с него подавляющую часть однотипной работы и оставить силы на то, где машина пока пасует. Когда из 250 тысяч картинок специалисту нужно вручную проверить лишь малую долю спорных, скорость всего мониторинга растёт кратно.

Планктон как датчик здоровья озера

Теперь про обещанного рачка. Главный эндемик Байкала это рачок эпишура (Epischura baikalensis), крошечный фильтратор, который во многом отвечает за легендарную прозрачность байкальской воды. Он пропускает воду через себя, очищая её, и одновременно служит биоиндикатором: изменения в его численности это ранний тревожный сигнал о состоянии экосистемы, задолго до того, как проблему заметят другими способами.

Подсчёт планктона это не абстрактная лабораторная возня, а буквально измерение пульса озера. Чем быстрее и точнее учёные видят сдвиги в видовом составе, тем раньше можно понять, что с водой неладно. Нейросеть работает как усилитель: она позволяет обрабатывать в разы больше проб за то же время, значит держать руку на пульсе плотнее и чаще.

На наш взгляд, именно это, а не проценты точности, и есть главная ценность проекта для экомониторинга. Наблюдение, которое раньше упиралось в человеческие часы, теперь можно масштабировать.

Следующая цель микропластик

Ту же технологию команда планирует применить для поиска микропластика в водах Байкала. Загрязнение микропластиком уже фиксировали и в воде, и в донных отложениях озера, а ручной подсчёт частиц под микроскопом так же мучительно трудоёмок, как и разбор планктона. Задача по сути та же, распознать и посчитать объекты на снимке, поэтому перенос нейросети на неё выглядит логичным следующим шагом.

Если получится, у экологов появится инструмент, который одинаково хорошо считает и живые организмы, и пластиковые частицы. А это уже не разовый эксперимент, а универсальный подход к мониторингу воды.

ИИ для экомониторинга: тренд, в который вписывается Байкал

Байкальский проект не изолированный случай. Распознавание планктона нейросетями применяют в океанологии и в мониторинге водоёмов по всему миру: где раньше сидел человек с микроскопом, всё чаще работает компьютерное зрение. Экология оказалась удобной площадкой для ИИ, потому что в ней много однотипной наблюдательной работы, которую тяжело и дорого делать руками.

Иркутская история хороша тем, что связка «человек + ИИ» показана в ней предельно наглядно: машина не выгоняет учёного из лаборатории, а забирает у него рутину и отдаёт время на то, ради чего он и пошёл в науку.

Частые вопросы

Нейросеть заменит гидробиологов?

Нет. Модель берёт на себя типовые случаи, а сложные и редкие организмы по-прежнему разбирает специалист. Это схема «человек в контуре», где эксперт остаётся главным звеном.

Насколько можно доверять точности 87%?

По данным проекта, результат почти не отличается от ручного анализа. Спорные снимки всё равно проверяет человек, так что итоговое качество экомониторинга не страдает.

Почему именно Байкал?

Это самое глубокое озеро мира и объект Всемирного наследия ЮНЕСКО, хранящий около пятой части незамёрзшей пресной воды планеты. Планктон здесь ранний индикатор состояния всей экосистемы, поэтому за ним важно следить как можно чаще.

Что с микропластиком?

Команда планирует применить ту же технологию распознавания для подсчёта частиц микропластика в байкальской воде. Задача технически близка к разбору планктона.

Источники

Exploit.media как ИИ научили следить за здоровьем Байкала