BirdWeather

เครือข่ายบันทึกเสียงนกทั่วโลกที่ขับเคลื่อนด้วย BirdNET Neural Network ติดตั้งไว้แล้วปล่อยให้ระบบบันทึกชนิดนกให้อัตโนมัติ

Freemium United States

ไปที่เว็บไซต์ ↗

BirdWeather คือแพลตฟอร์มวิทยาศาสตร์ภาคประชาชน (Citizen Science) ที่มีหัวใจสำคัญคืออุปกรณ์ขนาดเล็กที่เรียกว่า PUC เมื่อนำไปวางไว้ที่หลังบ้าน ระเบียง หรือในธรรมชาติ มันจะบันทึกเสียงอย่างต่อเนื่อง ใช้ Neural Network ของ BirdNET ในการจำแนกเสียงนกที่อยู่รอบตัวแบบเรียลไทม์ และอัปโหลดผลลัพธ์ขึ้นสู่แผนที่ที่แชร์ร่วมกันทั่วโลก

ฟีเจอร์เด่นและกรณีการใช้งาน

จุดที่น่าสนใจของโปรเจกต์นี้คือรากฐานทางเทคโนโลยี BirdNET เป็น Neural Network ที่พัฒนาร่วมกันระหว่างห้องปฏิบัติการปักษาวิทยา มหาวิทยาลัย كورเนลล์ (Cornell Lab of Ornithology) และมหาวิทยาลัยเทคโนโลยีเคมนิทซ์ (Chemnitz University of Technology) ในเยอรมนี สามารถจำแนกเสียงนกได้มากกว่า 6,000 สายพันธุ์ทั่วโลก ซึ่งเป็นโมเดลระดับวิชาการ ไม่ใช่ใครก็ 345 ฝึกขึ้นมาลวกๆ สิ่งที่ BirdWeather ทำคือการนำมาพัฒนาเป็นผลิตภัณฑ์เชิงพาณิชย์: ตัวอุปกรณ์ PUC มาพร้อมไมโครโฟนคู่, Wi-Fi และ Bluetooth, ระบบระบุตำแหน่ง GPS และเซ็นเซอร์วัดสภาพแวดล้อม ออกแบบมาให้กันน้ำและเหมาะสำหรับการติดตั้งกลางแจ้งระยะยาว ข้อมูลที่บันทึกจะถูกส่งไปยังคลาวด์ ทำให้คุณไม่เพียงแต่เห็นนกใกล้บ้านตัวเอง แต่ยังสามารถเรียกดูข้อมูลแบบเรียลไทม์จากสถานีตรวจวัดทั่วโลกได้อีกด้วย ปัจจุบันมีสถานีตั้งอยู่ทั่วอเมริกาเหนือ ยุโรป และออสเตรเลีย-นิวซีแลนด์ รูปแบบธุรกิจคือการขายฮาร์ดแวร์ ส่วนแพลตฟอร์มและแอปมือถือใช้งานได้ฟรีเป็นส่วนใหญ่ ถือเป็นโครงสร้างแบบ freemium ของวิทยาศาสตร์ภาคประชาชนที่เป็นต้นแบบ

เหมาะสำหรับผู้ที่ชื่นชอบการดูนก นักการศึกษาด้านธรรมชาติ นักวิจัยด้านนิเวศวิทยา และโรงเรียนที่จัดกิจกรรมการศึกษาด้านสิ่งแวดล้อม อุปกรณ์ประเภท "ติดตั้งแล้วบันทึกอัตโนมัติ" แบบนี้มีคุณค่าอย่างยิ่งสำหรับการติดตามผลในจุดเดิมเป็นระยะเวลานาน เพราะมนุษย์ไม่สามารถไปยืนเฝ้าจุดเดิมวันละแปดชั่วโมงได้ทุกวัน แต่เครื่องจักรทำได้ สิ่งที่ต้องคำนึงถึงคือความแม่นยำของ BirdNET ในการจำแนกนกประจำถิ่นหรือชนิดย่อย (Subspecies) จำเป็นต้องมีการตรวจสอบในสถานการณ์จริง เนื่องจากข้อมูลการฝึกโมเดล (Training Data) จะเน้นไปที่สายพันธุ์ในฝั่งอเมริกาและยุโรป

ฟีเจอร์หลัก

อุปกรณ์ PUC: ไมโครโฟนคู่, Wi-Fi/Bluetooth, GPS และเซ็นเซอร์สิ่งแวดล้อม ดีไซน์กันน้ำสำหรับใช้งานกลางแจ้ง
ขับเคลื่อนด้วย BirdNET Neural Network (พัฒนาร่วมกันโดย Cornell Lab of Ornithology และ TU Chemnitz)
สามารถจำแนกเสียงนกได้มากกว่า 6,000 สายพันธุ์ทั่วโลก
อัปโหลดข้อมูลขึ้นแผนที่ตรวจวัดที่แชร์ร่วมกันทั่วโลกแบบเรียลไทม์
แอปพลิเคชันมือถือสำหรับตรวจสอบสถานีของคุณและข้อมูลทั่วโลก
ผสานรวมข้อมูลสิ่งแวดล้อม (อุณหภูมิ ความชื้น ฯลฯ) เข้ากับการบันทึกเสียง
รองรับวิธีการมีส่วนร่วมที่หลากหลาย ไม่จำกัดเฉพาะการซื้อฮาร์ดแวร์

การใช้งานทั่วไป

สำรวจความหลากหลายของนกในที่อยู่อาศัยหรือโรงเรียนเป็นระยะเวลานาน
สื่อการสอนภาคปฏิบัติสำหรับหลักสูตรการศึกษาธรรมชาติและวิทยาศาสตร์ภาคประชาชน
การติดตามประชากรนกในถิ่นที่อยู่เฉพาะเจาะจงระยะยาว
บันทึกช่วงเวลาการปรากฏตัวของนกตามฤดูกาลอพยพ
รวบรวมข้อมูลผลกระทบของการเปลี่ยนแปลงสิ่งแวดล้อม (การพัฒนาพื้นที่, ภูมิอากาศ) ที่มีต่อการรวมตัวของนก

ฟีเจอร์เด่น

อุปกรณ์ PUC: ไมโครโฟนคู่, Wi-Fi/Bluetooth, GPS และเซ็นเซอร์สิ่งแวดล้อม ดีไซน์กันน้ำสำหรับใช้งานกลางแจ้ง
ขับเคลื่อนด้วย BirdNET Neural Network (พัฒนาร่วมกันโดย Cornell Lab of Ornithology และ TU Chemnitz)
สามารถจำแนกเสียงนกได้มากกว่า 6,000 สายพันธุ์ทั่วโลก
อัปโหลดข้อมูลขึ้นแผนที่ตรวจวัดที่แชร์ร่วมกันทั่วโลกแบบเรียลไทม์
แอปพลิเคชันมือถือสำหรับตรวจสอบสถานีของคุณและข้อมูลทั่วโลก
ผสานรวมข้อมูลสิ่งแวดล้อม (อุณหภูมิ ความชื้น ฯลฯ) เข้ากับการบันทึกเสียง
รองรับวิธีการมีส่วนร่วมที่หลากหลาย ไม่จำกัดเฉพาะการซื้อฮาร์ดแวร์

ข้อดี

โมเดลเบื้องหลังมาจากสถาบันวิชาการชั้นนำ มีพื้นฐานการวิจัยที่น่าเชื่อถือในการจำแนกเสียง
การติดตามผลในจุดเดิมอัตโนมัติระยะยาว ให้ความหนาแน่นของข้อมูลสูงกว่าการสำรวจด้วยมนุษย์มาก
ข้อมูลทั่วโลกเปิดให้เรียกดูได้ มีประโยชน์มากสำหรับการศึกษาเปรียบเทียบและการศึกษา
แพลตฟอร์มและแอปใช้งานได้ฟรีเป็นหลัก อุปสรรคในการเริ่มต้นอยู่ที่ตัวฮาร์ดแวร์เป็นหลัก

ข้อเสีย

จำเป็นต้องซื้อฮาร์ดแวร์ PUC เพื่อสร้างสถานีตรวจวัดของคุณเอง
ข้อมูลการฝึกของ BirdNET เน้นนกฝั่งอเมริกาและยุโรป ความแม่นยำสำหรับนกประจำถิ่นและชนิดย่อยจึงต้องตรวจสอบเอง
เสียงรบกวนรอบข้าง (เสียงรถยนต์, เสียงคน) อาจส่งผลต่อคุณภาพการจำแนก การเลือกจุดติดตั้งจึงสำคัญมาก
ผลการจำแนกอัตโนมัติยังคงต้องมีการตรวจสอบซ้ำโดยมนุษย์ หากจะนำไปใช้ในงานวิจัยที่เคร่งครัด

กรณีการใช้งาน

สำรวจความหลากหลายของนกในที่อยู่อาศัยหรือโรงเรียนเป็นระยะเวลานาน
สื่อการสอนภาคปฏิบัติสำหรับหลักสูตรการศึกษาธรรมชาติและวิทยาศาสตร์ภาคประชาชน
การติดตามประชากรนกในถิ่นที่อยู่เฉพาะเจาะจงระยะยาว
บันทึกช่วงเวลาการปรากฏตัวของนกตามฤดูกาลอพยพ
รวบรวมข้อมูลผลกระทบของการเปลี่ยนแปลงสิ่งแวดล้อม (การพัฒนาพื้นที่, ภูมิอากาศ) ที่มีต่อการรวมตัวของนก

บันทึกบรรณาธิการ

ความเห็นบรรณาธิการ: ฉันคิดว่านี่คือตัวอย่างที่ AI เข้ามาอยู่ในชีวิตประจำวันได้อย่างน่าประทับใจที่สุดแบบหนึ่ง มันไม่ได้มาแทนที่ใครหรือพลิกวงการอะไร แค่ทำให้คุณรู้ว่าตอนตีหวันครึ่งเชົ้านี้ มีนกชนิดไหนบ้างที่เคยแวะมาแถวระเบียงบ้านคุณ สำหรับคุณครูที่สอนวิชาธรรมชาติศึกษา สิ่งนี้มีพลังโน้มน้าวใจมากกว่าสไลด์พรีเซนต์ใดๆ เมื่อเด็กๆ เห็นข้อมูลของโรงเรียนตัวเองปรากฏบนแผนที่โลก ความรู้สึกเชื่อมโยงนั้นคือสิ่งที่ตำราเรียนให้ไม่ได้ สิ่งเดียวที่อยากเตือนคือ สำหรับการสำรวจที่เป็นทางการ โปรดทดสอบความสามารถในการจำแนกนกเฉพาะถิ่นด้วยตัวคุณเองก่อนนำไปใช้จริง

คำถามที่พบบ่อย

การจำแนกมีความแม่นยำแค่ไหน?

BirdNET เป็นโมเดลระดับวิชาการที่มีผลงานดีเยี่ยมในสายพันธุ์ที่มีข้อมูลการฝึกเพียงพอ แต่ต้องเตรียมใจไว้ว่าในสภาพแวดล้อมที่มีเสียงรบกวน นกสายพันธุ์ใกล้เคียงที่มีเสียงร้องคล้ายกัน และนกเฉพาะถิ่นที่มีข้อมูลการฝึกน้อย อัตราความผิดพลาดจะสูงขึ้นอย่างเห็นได้ชัด สำหรับการนำไปใช้ในงานวิจัยอย่างเป็นทางการ ผลการจำแนกอัตโนมัติยังคงต้องมีการตรวจสอบโดยมนุษย์ควบคู่ไปด้วย

สามารถจำแนกนกในท้องถิ่นได้หรือไม่?

นกทั่วไปที่พบได้แพร่กระจายกว้างมักไม่มีปัญหา แต่สำหรับนกประจำถิ่นหรือชนิดย่อยเฉพาะพื้นที่ ประสิทธิภาพอาจต้องทดสอบหน้างานจริง เนื่องจากข้อมูลการฝึกของ BirdNET ให้ความสำคัญกับฝั่งอเมริกาและยุโรปเป็นหลัก ซึ่งเป็นสิ่งที่ควรคาดหวังไว้ก่อนใช้งาน ในทางกลับกัน ข้อมูลที่ผู้ใช้งานในท้องถิ่นสะสมขึ้นมาก็มีส่วนช่วยในการปรับปรุงโมเดลให้ดีขึ้นเช่นกัน

จำเป็นต้องซื้อ PUC หรือไม่?

หากต้องการสร้างสถานีตรวจวัดของตัวเอง จำเป็นต้องมีอุปกรณ์ฮาร์ดแวร์ แต่ข้อมูลทั่วโลกบนแพลตฟอร์มเปิดให้เรียกดูได้ คุณสามารถเข้าไปดูข้อมูลสถานีของคนอื่นบนเว็บไซต์ก่อนได้ เพื่อประเมินว่าระบบนี้คุ้มค่าสำหรับวัตถุประสงค์ของคุณหรือไม่ค่อยตัดสินใจซื้อ