Shenzhen Üniversitesi’nden 16 üniversite öğrencisinden oluşan bir ekip, yetiştiriciler için hasta aslan başlı kazların tespit edilmesine yardımcı olan ve sürünün hayatta kalma oranını yüzde 30 artıran bir yapay zeka (AI) programı geliştirdi.
Aslan başlı kazlar, Çin’in güneyindeki Chaoshan bölgesinde, iyi kaliteleriyle tanınan ancak yetiştirilmesi oldukça zor olan bir tür. Chenghai’daki yetiştiriciler, 300 yıldan fazla bir süredir, kazların sağlığını, çok uzun süre hareketsiz kalıp kalmadıklarını gözlemleyerek ve vücut ısılarını elleriyle hissederek deneyimlerine güvendi.
Ancak herhangi bir hastalık bir çiftliği 10 günde yok edebiliyor. 2018 kışında beklenmedik bir salgında binlerce aslan başlı kaz hayatını kaybetti sadece beşi hayatta kaldı. Houxi’de bir kaz çiftçisi olan Jin Shutao, memleketine dönen genç bir girişimci olarak teknolojinin gücünden yararlanmayı düşündü.
2022’de Shenzhen Üniversitesi-Tencent bulut AI BEng programından 16 öğrenciyi aslan başlı kaz yetiştiriciliği kooperatifine davet etti. Üniversitedeki öğretmenlerin ve Çinli internet devi Tencent’in mühendislerinin rehberliğiyle bu zorlu sorunun üstesinden gelmeyi hedefledi.
Ekip, 4 binden fazla kazın birbirine yakın bir şekilde toplandığı 500 metrekarelik bir alanda, kakofonik sesler arasında hasta kazları tespit etme zorluğuyla karşı karşıya kaldı. Bir kazın hareketsiz kalma süresini ölçerek, hastalığı belirlemeye karar verdiler ve projeyi donanım, ön uç, arka uç ve algoritma olmak üzere dört gruba ayırdı.
Ancak karşılaştıkları ilk zorluk kamera kurmaktı çünkü inek, koyun veya domuz gibi hayvanlara yönelik geleneksel QR kodu tabanlı tanıma yöntemleri kazlarda işe yaramıyordu. Yapay zeka eğitimi için yeterli veri toplamak amacıyla öğrenciler, mevcut çiftlik kameralarını kullanarak görüntüler yakaladı ve bunları manuel olarak etiketledi.
Bu etiketleme süreci, 300 bin kazın 6 bin görüntüsünün kategorize edilmesini ve etiketlenmesini içeriyordu. Ekip üyelerinden Wang Yifeng, en ufak bir hatanın bile yapay zekanın eğitim sonuçlarını etkileyebileceğinden yüzde 100 odaklanmaları gerektiğini söyledi.
Düzinelerce model ayarlamasından sonra öğrenciler, herkese uyacak tek bir algoritmanın olmadığını öğrendi. Yetişkin aslan başlı kazların kalın tüyleri nedeniyle vücut ısısını ölçmenin zor olduğunu keşfettiler. Bu nedenle ateşli yavru kazları tamamlayıcı araç olarak tanımlamaya yöneldiler.
Hatta bazı öğrenciler araştırma yoluyla kaz hastalıklarının tayfun ve pus gibi hava koşullarıyla yakından ilişkili olduğunu bile buldu. Bu nedenle optimizasyon için programa veri gözlem ve analiz fonksiyonlarını eklediler. Şu anda program, “kayıtsız kazlar” ve “ateşli kazlar” için sıcaklık, nem, PM2,5 seviyelerini ve çiftlikteki veri değişikliklerindeki eğilimleri gösteren gerçek zamanlı uyarılar sağlıyor. Bu, çiftliğin aslan başlı kazların hayatta kalma oranını yüzde 30 oranında artırmasına yardımcı oldu.
Shenzhen Üniversitesi Görsel Araştırma Enstitüsü Müdürü Shen Linlin, “Yapay zeka geliştirmek, klimalı bir odada oturup kod yazmakla ilgili değil. Kaz gübresinde kod yazmayı öğrenmekle ilgili” diyerek çalışmanın zorluğunu dile getirdi.
