AI dan Masalah-Masalah Sulit Dunia · Ilmu hayat · Nature (computational biology) · 2026-10-20
Menjembatani kesenjangan penerapan dalam pemantauan ngengat otomatis melalui model fondasi keanekaragaman hayati
Judul asli: Bridging the deployment gap in automated moth monitoring through biodiversity foundation models
Model pengenalan spesies untuk pemantauan keanekaragaman hayati otomatis biasanya dilatih pada repositori gambar citizen-science berskala besar, sehingga menimbulkan kesenjangan domain dengan gambar penerapan di lapangan. Para penulis membangun pengklasifikasi ngengat fine-grained dari sekitar 363,000 gambar citizen-science yang mencakup 2,727 spesies serta mengoptimalkan pipeline transfer-learning melalui representasi pralatih khusus keanekaragaman hayati (BioCLIP2.5), adaptasi hemat parameter, dan augmentasi data. Pipeline ini mencapai akurasi Top-1 sebesar 85.0% pada sistem pemantauan komersial dan 89.5% pada perangkat edge berbiaya rendah, menaikkan kinerja di lapangan dari 38.9% menjadi 69.7% dan dari 62.3% menjadi 82.3%.