ニューヨーク州イサカにあるコーネル鳥類学研究所の実験室にある仮想マシンが、夜にハミングしながら座っています。マシンの名前は、ミミズクの属にちなみ、Bubo です。約 5 分ごとに、Bubo は北東部の気象レーダー ステーションから画像を取得し、人工知能アルゴリズムのパイプラインを介してフィードします。このレーダー画像は何を示していますか?ブボは尋ねます。雨ですか？これらは昆虫ですか？花粉かも？ブボはそれらのことを気にしません。見たいのは飛んでいる鳥だけです。それらを見つけるために、Bubo はレーダー ステーションによって見られたターゲットの速度と方向を分析します。横痃は、鳥が風や昆虫とは異なる速度を持っていることを知っており、それらを除外します。現在、横痃には鳥しか見えません。しかし、どれくらいの密度ですか？彼らはどのくらいの速さで進んでいますか？彼らはどのくらいの空を飛んでいますか？機械はこれらの計算を行い、無数の鳥が飛行し、暗闇に隠れて移動するイメージを作成します。
コーネル大学鳥類学研究所に所属するオレゴン州立大学のコンピューター サイエンス教授である Thomas Dietterich は、次のように述べています。黒顎ハチドリは、アラスカに向かう途中でメキシコの海岸に沿って飛んでいます。ノドジロムシクイは、オンタリオ州に向かう湾岸上空を舞い上がります。オリーブと黄色のヒタキが中央アメリカを横断し、ノースウェスト準州に向かいます。 「私たちが気付いていないこの巨大な秘密のことが起こっていることに、ただただ畏敬の念を起こさせられます。」
科学者たちは長い間、鳥の渡りの秘密を突き止めようとしてきました。彼らは、鳥が世界中を行き来する驚くべき手段を明らかにしてきました。これらには、鳥の地形と大陸の認識マップ、および地球の磁極を検出して飛行方向を定める鳥の目のメカニズムが含まれます。
コーネル大学鳥類学研究所の情報科学部門の研究員であるアンドリュー・ファーンズワースは、生物学を超えて鳥の渡りを理解したいと考えています。彼は全体像を追っています。 「大規模なエコシステム内で移行はどのように機能しますか?」彼は尋ねます。 「生態系が変化するとはどういう意味ですか?」
過去 4 年間、ファーンズワースと彼の同僚である生態学者、統計学者、コンピューター科学者、気象学者のグループは、渡りの秘密を明らかにするために、横痃の機械学習につながる BirdCast と呼ばれるプロジェクトに取り組んできました。これらの秘密の一部は、過去 20 年間に撮影され、国立海洋大気庁によってアーカイブされた推定 1 億件の気象レーダー スキャンに含まれています。その他は、世界中のバード ウォッチャーが種固有の観察を記録するオンライン プラットフォームである eBird で毎年報告されている数千万件の野鳥の目撃情報に含まれています。さらに、全国に点在する音響監視装置によって記録された何千時間にも及ぶ夜間の鳥の鳴き声には、さらに多くの音が含まれています。
BirdCast により、ビッグデータ革命は野生生物保護に対応します。鳥の方向感覚を失わないように、鳥が近づく前に照明を消す地方自治体や、殺虫剤や風力タービンから保護されている日中に鳥が休んで餌を食べる場所を想像してみてください。 「ほとんどの伝統的な保護は、特定の地域を脇に置いています。それは静的です」とファーンズワースは言います。 「これは、より動的な保全の時代になりつつあります。何かが起こる前にどうすれば行動を変えることができるでしょうか？」この予測能力は、保護活動家が、気候変動によって引き起こされる無秩序な広がり、開発、および環境変化による鳥への脅威を軽減するのに役立つ可能性があります。しかしまず、ディーテリッヒ氏は、「鳥がどこに行き、どのような経路をたどるかについて、より優れたモデルを用意する必要があります」と述べています。
レーダーが登場する前は、夜行性の渡りについてよく知っている人はほとんどいませんでした。 1930 年代、大西洋の両側の軍隊は、敵の航空機を事前に警告する技術の開発を競い合いました。気象レーダーは、パルスと呼ばれる電波のバーストを送信し、大気中の物体に跳ね返ります。レーダーは、戻ってきたエコーの速度とパワーに基づいて、物体の形状と距離を計算します。レーダーは、ハインケルとメッサーシュミット、および気象前線を検出できることが判明しました。しかし、大気中を移動する他の天体は分類できませんでした。英国軍のレーダー運用者はこの謎の物体を天使と呼び、ドイツ人はそれらをシャインツィーレ、「疑似エコー」と呼んだ。彼らが何であれ、彼らはすべての人に大混乱を引き起こし、男性を戦場に送り、幽霊の飛行機を追いかけていました.英国の戦争遂行のために働いていた鳥類学者は、物体が鳥であると推測しましたが、それを信じる人はほとんどいませんでした.鳥が夜に飛ぶとは思っていませんでした.
第二次世界大戦後の数年間、レーダー鳥類学と呼ばれる分野の先駆者の 1 人は、ニューオーリンズの子供でした。 Sidney Gauthreaux の故郷は、北米で最も忙しい移動回廊の 1 つの経路にありました。カリブ海、南アメリカ、および中央アメリカの冬場から戻る種の最も直接的なルートは、メキシコ湾を越えて上陸するための 400 ～ 600 マイル (400 ～ 600 マイル) の 1 回の旅です。子供の頃、ゴートローは夜、寝室の外の暗闇の中でフライトコールを聞いて起きていました。 「私のキャリアは、夜の大気で何が起こっているかを理解することに専念してきました。なぜなら、私たちはそれを見ることができないからです」と Gauthreaux は今日言います。
Gauthreaux が高校に通っていた 1950 年代、WSR-57 と呼ばれる 50 の観測所からなる全国ネットワークの一部として、最初の近代的な気象レーダー システムが湾岸沿いに設置されました。もし観測所が雨滴を検出するのに十分な感度を持っていれば、夜に聞いた鳥の体の水分を拾うべきではないかとゴートローは考えた.彼はレーダー画像を手に入れ、鳥に違いないと彼が知っていた雪の塊の雲を見ることができました.この発見は鳥の渡りに対する Gauthreaux の情熱に火をつけ、1970 年代後半に彼は鳥の研究のための最初のモバイル レーダー ラボを建設しました。
1990 年、ゴートローはクレムソン大学にレーダー鳥類学研究所を設立しました。これは、全国の気象システムがアップグレードされたのとほぼ同じ時期です。気象システムは、マイクロ波エネルギーを放出してターゲットの密度を捕捉する 159 のステーションで構成され、ドップラーを使用してラジアル速度 (ターゲットがレーダー ビームに近づいたり離れたりする速度) と方向を記録しました。 WSR-88D と呼ばれるネットワークからのレーダー データにより、鳥類学者は飛行中の鳥の数だけでなく、鳥が向かっている速度と方向を推定することができました。
1999 年、ゴートローの大学院生の 1 人にファーンズワースがいました。ファーンズワースは、夜間飛行の鳴き声とレーダーで記録された鳥の密度との相関関係に焦点を当てた修士論文を書きました。その作業には途方もない時間と労力が必要でした。ファーンズワースは、記録されたフライト コールを何時間にもわたって聞き取り、天候、昆虫、コウモリ、鳥を区別した後、各レーダー画像を手動で分類する必要がありました。彼の論文では、ファーンズワースは 58 泊にわたる 556 時間から 1 時間ごとの鳥の密度と鳥の鳴き声の変化を分析しました。彼は 8 か月かかりました。
2000 年、環境保護庁からの資金提供を受けて、BirdCast の前身は、クレムソンのレーダー鳥類学研究所、コーネル鳥類学研究所、および国立オーデュボン協会を含む共同作業で生まれました。目標は、レーダースキャンと天気予報、および市民科学者によって収集された目撃情報に基づいて、大西洋中部回廊の鳥の渡りを予測することでした。途方もない量の人的資源と資金を必要としたこのプロジェクトは、2 年後に終了しました。 「世界の接続性は、このアイデアが実用的な場所ではありませんでした」とファーンズワースは言います。 「それはビッグデータ以前のことであり、市民科学のアイデア全体が爆発することはありませんでした。」
2011 年までに、コンテキストは変更されました。元のBirdCastが人間の制約のために成長できなかった場合、科学者は人間をループから外すことにしました.課題は、人工知能モデルがレーダー画像を分析するために必要な専門知識を獲得できるかどうかでした。これは、天候、昆虫、鳥を区別するだけでなく、さまざまな高度で渡り鳥の速度と方向を推測することによって行われました。それができれば、ペタバイト規模の履歴データが研究に利用できるようになるだけでなく、地域規模と全国規模の両方で渡り鳥をほぼリアルタイムで迅速かつ効率的に追跡できる可能性があります。国立科学財団からの資金提供を受けて、マサチューセッツ大学アマースト校のコンピューター サイエンスの助教授であるダニエル シェルドンが加わった初期のバードキャスト チームが作業に取り掛かり、横痃が孵化しました。
現在、Bubo は毎晩、17 のレーダー ステーションからデータと気象データをダウンロードし、鳥と風や降水量を区別するのに役立てています。 Bubo の方法は、気象学者がレーダーを介して風向と風速をプロファイリングするために使用した方法から派生したものですが、「エイリアシング」の問題に対処するための新しい機能を備えています。エイリアシングが発生するのは、WSR-88D のレーダーが一定量を超える動径速度を計算できないためです。これらの誤差によってスキャンが歪められ、特定の速度を超える物体はレーダー ステーションからのインバウンドではなくアウトバウンドとして表示され、逆もまた同様です。エイリアシングは新しいものではありませんが、Sheldon と彼の BirdCast の同僚は、動径速度値のエイリアシングを説明する確率モデルを開発し、完全な速度場を再構築するための推論アルゴリズムを作成することで、新しいアプローチを思い付きました。 2013 年、このイノベーションにより、チームは人工知能進歩協会から最優秀論文賞を受賞しました。 Bubo の機械学習パイプラインは、レーダー画像を 17 秒で分析でき、1 泊分の画像を 1 時間未満で分析できます。
「私たちは、鳥が秋に南に、春に北に飛ぶことを知っています」と、バードキャストのメンバーではありませんが、レーダー データを使用して鳥の移動を研究している、デラウェア大学の野生生物生態学の助教授である Jeffrey Buler は言います。 「今、私たちはこれらのことを直接観察し、微妙な質問をする方法を手に入れました。彼らが行っている作業の良いところは、レーダー アーカイブの可能性を活用し始めていることです。」
Bubo は 5 月から稼働しており、この秋まで移行期間全体のデータを生成しません。しかし、BirdCast チームは、2010 年と 2011 年の 2 回の秋の渡りから米国北東部で得られた 40,000 近くのレーダー スキャンを含む、過去のデータの分析を開始しました。この研究は、大西洋を越えて大陸間を渡り歩く鳥は、他の鳥よりも早く出発し、別のルートを使用することを示しています。大陸内の移民は後で来る。このような調査結果は、生物学者が気候変動が移動種にどのように影響しているかを理解するのに役立つ可能性があります。これは、クレムソン大学で Gauthreaux が研究してきたことです。彼の予備的な調査結果から、近距離の渡り鳥はここ数十年の季節変化に対応しているのに対し、長距離の種はタイムテーブルを変えていないと信じるに至りました。 「その結果、これらの種は食物や繁殖地の生産と同期していない可能性があります」とGauthreauxは言います. 「最初は、かなり劇的な人口減少につながる可能性があります。そして、あまり健康でない種は絶滅を意味する可能性があります:個体数が非常に少なくなり、適応できず、種が瞬きする可能性があります。」
Bubo がデータを収集するにつれて、BirdCast は他の 2 つの人工知能実験を拡張する準備をしています。 1 つ目は、機械学習アルゴリズムを使用して、音響装置によって記録された渡り鳥の夜行性の鳴き声を識別します。これまでのところ、ニューヨーク州には 10 台のデバイスがあり、それぞれにフライト コールをスクリーニングする検出器が装備されています。鳴き声は中央サーバーにアップロードされ、そこで 6 種類の鳥の種を 95% の精度で識別できるアルゴリズムによって処理されます。コーネル大学鳥類学研究所の情報科学ディレクターであるスティーブ・ケリングは、次のように述べています。
次に、BirdCast は、eBird データを使用して鳥の渡りを 1 ～ 2 日前に予測する統計モデルのテストを開始します。 2002 年のサービス開始以来、eBird は市民が生成するデータの印象的なソースになりました。多くのアマチュア バード ウォッチャーは、多くが eBird アプリを使用しており、毎月何百万もの目撃情報を報告しています。 2015 年 2 月、4 日間の世界的な野鳥調査中に、100 か国から 140,000 人を超える人々が eBird に目撃情報を提出しました。ただし、これらすべてのデータには課題があります。ディーテリッヒ氏によると、渡りを予測する上での問題は、渡りに数十億羽の鳥が、その夜に飛ぶかどうか、どこへ行くかを個別に決定する可能性があることです。コンピューターがこれらすべての変数を考慮しなければならない場合、計算は困難になります。シェルドンのブレークスルーは「集合的グラフィカル モデル」でした。鳥の個体群のすべてのメンバーの変数を含める代わりに、集団グラフィカル モデルは、個体についての推論を避け、グループに焦点を当て、ある場所から別の場所に何羽の鳥が移動するかを推測するアルゴリズムを使用します。 「当たり前のように聞こえるかもしれませんが、突破口となったのは、確率モデルが個人から集合体まで持ち上げることができることに気づいたことです」と Sheldon 氏は言います。
BirdCast にとっての目標は、レーダー、音響、eBird の 3 つのストリームすべてからのデータを統合するモデルを作成することです。このモデルは、移住を形成する力についての仮説を検証し、現在私たちの認識を逃れている移住と大気との関係を明らかにすることができます。ファーンズワース氏によると、これらはすぐには得られない洞察です。 「私たちが答えを知らない基本的な自然史の質問がいくつかあります」と彼は言います。 「物事が変化し始めるとはどういう意味ですか？ジェット気流のパターン？極渦？宇宙の広いスケールでの大気の変化？これらは、私たちが理解の先端にいるようなものです。」
M.R.オコナーはブルックリンを拠点とするジャーナリストで、その最初の本は Resurrection Science:Conservation, De-Extinction and the Precarious Future of Wild Things は 9 月に出版予定です。
Richard Bartz、Paul Souders、Michael J. Bennett の画像を編集したフォトコラージュ。
