Automating Visual Recognition of Leprosy in Wild Chimpanzees

Immaginate un mondo in cui le guardie giurate più vigili della natura sono telecamere silenziose e immobili, nascoste nella foresta profonda. Non sono quelle che catturano i ladri, ma quelle che sorvegliano i residenti più elusivi del pianeta: gli animali selvatici. Per decenni, gli scienziati si sono affidati a queste "trappole fotografiche" per contare gli animali e studiare le loro vite, ma l'enorme volume di filmati che generano è travolgente. È come cercare di trovare un singolo tipo specifico di foglia in una montagna di foglie autunnali a mano; ci vuole un'eternità e si rischia di perdere proprio le più importanti. È qui che entra in gioco la magia dell'Intelligenza Artificiale (IA). Pensate all'IA come a un detective super veloce e instancabile che può scansionare migliaia di foto in pochi secondi, cercando piccoli indizi che l'occhio umano potrebbe mancare. Ma ecco la parte complicata: insegnare a un computer a riconoscere un animale malato è molto più difficile che insegnargli a riconoscere una tigre. Gli animali si muovono, si nascondono dietro gli alberi e appaiono diversi a seconda della luce. La grande domanda che gli scienziati si pongono è: possiamo costruire un detective digitale abbastanza intelligente da individuare una malattia solo guardando una foto sfocata di una scimmia nel bosco, senza bisogno di un team di esperti che guardi ogni singolo secondo di video?

Questa è esattamente la sfida affrontata da un team di ricercatori che sta cercando di salvare i chimpanzé selvatici da una brutta malattia chiamata lebbra. Potreste pensare alla lebbra come a un problema umano, ma è anche un killer silenzioso per questi grandi primati. Quando un chimpanzé si ammala, non si sente solo un po' indisposto; sviluppa cambiamenti fisici molto visibili. La sua pelle potrebbe perdere colore, le sue orecchie potrebbero apparire spesse e gonfie, o potrebbe perdere peli e persino le dita. Questi segni sono come una bandiera rossa che sventola al vento, ma poiché i chimpanzé vivono allo stato selvatico e non amano gli esseri umani, non possiamo semplicemente avvicinarci per controllarli. Dobbiamo fare affidamento su quelle trappole fotografiche. Il problema è che le telecamere registrano così tanto video che è impossibile per gli umani guardarli tutti. Così, i ricercatori hanno costruito un nuovo tipo di pipeline di IA per fare il lavoro di osservazione al posto loro.

Per prima cosa, hanno creato una massiccia libreria di dati di addestramento chiamata "PanLep300". Immaginatela come un enorme album fotografico contenente oltre 125.000 immagini ritagliate di chimpanzé, scattate da centinaia di video diversi in cinque anni. Hanno etichettato con cura ogni immagine, segnando quali scimmie erano sane e quali mostravano i segni spaventosi della lebbra avanzata. Fondamentalmente, non hanno solo gettato tutte le foto in un mucchio; le hanno organizzate in modo da imitare la vita reale. Si sono assicurati che l'IA non vedesse mai lo stesso specifico scimpanzé o la stessa posizione della telecamera durante il suo "addestramento" rispetto al suo "esame finale". Questo assicura che l'IA stia imparando a individuare la malattia stessa, e non stia solo memorizzando che "Chimp Bob si siede sempre vicino alla Telecamera 5".

Una volta che l'IA era pronta, i ricercatori hanno testato tre modi diversi per renderla più intelligente. Il primo metodo era come guardare un singolo scatto: l'IA guardava una singola foto di uno scimpanzé e decideva se fosse malato. Il secondo metodo era come guardare un breve clip video di 16 fotogrammi dello scimpanzé che cammina, sperando che vedere il movimento potesse aiutare. Il terzo metodo era il più complesso, in cui l'IA cercava di comprendere l'intera sequenza video contemporaneamente, imparando come lo scimpanzé si muoveva e appariva nel tempo.

Ecco il colpo di scena sorprendente: il metodo più semplice ha vinto. I ricercatori hanno scoperto che l'IA non aveva bisogno di essere una critica cinematografica o un esperto di movimento. In effetti, l'approccio migliore era prendere le singole foto (i "ritagli"), lasciare che l'IA indovinasse se ognuna sembrasse malata e poi semplicemente contare i voti. Se la maggior parte delle foto in una sequenza diceva "malato", allora lo scimpanzé era malato. Si scopre che la lebbra è una malattia statica; i segni non cambiano rapidamente come un passo di danza. Sono semplicemente lì, come una macchia su una camicia. Cercare di insegnare all'IA ad analizzare il complesso movimento dello scimmè (i metodi "video") l'ha resa in realtà leggermente peggiore o non migliore rispetto al semplice guardare le singole foto. I modelli complessi erano come studenti che cercavano di risolvere un problema di matematica scrivendo un romanzo sui numeri, quando avrebbero dovuto solo sommarli.

Lo studio ha anche scoperto alcuni "tranelli" che mettono in difficoltà anche l'IA più intelligente. Un problema importante si verifica proprio all'inizio e alla fine di un clip video. Quando un chimpanzé entra nell'inquadratura, è spesso parzialmente nascosto o sfocato. Quando esce, è la stessa cosa. I ricercatori hanno scoperto che se l'IA cerca di fare la media del punteggio dell'intero video, questi momenti sfocati o parzialmente nascosti abbassano il punteggio, facendo sembrare sano uno scimpanzé chiaramente malato. È come uno studente che ottiene un punteggio perfetto a un test, ma poi riceve uno zero perché è arrivato in ritardo a lezione e ha saltato la prima domanda; la media rovina il risultato. Per risolvere questo, il team ha dimostrato che se si tagliano semplicemente l'inizio e la fine sfocati dei clip (una strategia "trimmed") o se si contano solo le foto più chiare e sicure (una strategia "top-25%"), l'IA diventa molto più accurata.

Un'altra scoperta interessante riguardava lo sfondo. I ricercatori hanno provato a rimuovere lo sfondo della foresta dalle foto, lasciando solo lo scimpanzé, pensando che questo aiuterebbe l'IA a concentrarsi. Sorprendentemente, questo ha reso l'IA peggiore. Sembra che l'IA stesse usando indizi dal bosco — come il tipo di alberi o l'illuminazione — per aiutare a capire se lo scimpanzé fosse malato. Quando hanno rimosso lo sfondo, hanno accidentalmente rimosso anche quegli indizi utili. È come cercare di indovinare l'umore di qualcuno guardando solo il suo viso, per poi rendersi conto che in realtà avevi bisogno di vedere la finestra piovosa dietro di lui per capire perché fosse triste.

In definitiva, i ricercatori hanno dimostrato che possiamo costruire un sistema per monitorare i chimpanzé selvatici per la lebbra usando solo una telecamera intelligente e un computer. Hanno provato che non serve un robot super complesso capace di percepire il movimento per fare il lavoro; un buon occhio per il dettaglio su una singola foto, combinato con un modo intelligente di contare i risultati, è sufficiente. Sebbene il sistema non sia ancora perfetto e abbia bisogno di ulteriori test con gruppi più ampi di scimpanzé, offre uno strumento potente. Suggerisce che in futuro potremmo monitorare intere foreste di fauna selvatica, individuando le malattie precocemente e salvando vite, il tutto senza mai dover disturbare gli animali o passare anni a guardare interminabili ore di video. La lezione fondamentale è che, a volte, il modo più semplice di affrontare un problema è il modo più efficace per risolverlo.