Ett AI-system, kallat Wildbook, hjälper forskare och naturvårdare att skydda och bevara hotade arter. Foton tagna av forskare, men också privatpersoner som delar sina semesterbilder offentligt på sociala medier, kan analyseras noggrant, vilket ger mer information till den databas som forskare använder. Denna process, för AI att extrahera djurs biologiska information från bilder, kallas "imageomics".

Ett av de största problemen som naturvårdare och forskare möter i uppdragen att följa hotade arter är bristen på data. Tyvärr är statusen för mer än hälften av arterna som är rödlistade hos IUCN Red List of Threatened Species okänd på grund av detta.

– Vi förlorar biologisk mångfald i en aldrig tidigare skådad takt och vi vet inte ens hur mycket och vad vi förlorar, säger chefen för Translational Data Analytics Institute vid Ohio State University, Tanya Berger-Wolf, rapporterar The Ohio State University.

– Våra AI-algoritmer kan identifiera individer som innehar vad som helst som är randigt, prickigt, skrynkligt eller skårat - till och med formen hos en vals stjärtfena eller ryggfenan hos en delfin, säger Berger-Wolf, rapporter från Ohio State University.

Just nu har Wildbook mer än två miljoner bilder på 60 000 individuella delfiner och valar. Enligt Berger-Wolf är bilderna i Wildbook den huvudsakliga källan till data om späckhuggare.

– Vi har miljontals bilder av utrotningshotade och hotade djur tagna av forskare, kamerafällor, drönare och till och med turister, sa Berger-Wolf. De här bilderna innehåller en mängd data som vi kan extrahera och analysera för att skydda djur och bekämpa utrotning.

Det finns andra sätt att spåra djur, men informationen de presenterar är inte lika exakt som informationen som erbjuds av imageomics. Det finns inte heller tillräckligt med GPS-halsband och satellittaggar för att spåra alla djur.

– Vi har inte tillräckligt med GPS-halsband och satellittaggar för att övervaka alla elefanter, säger Berger-Wolf, enligt Ohio State University. Men vi kan använda AI-tekniker som maskininlärning för att analysera bilder av elefanter för att få mycket av den information vi behöver.

– Vi lär maskiner att se saker i bilder som människor kan ha missat eller inte kan se, tillade Berger-Wolf, rapporterar Ohio State University.