畜産業界において AI とは通常、人工授精を意味します。しかし、ある画期的なワシントン大学の科学者にとって、牛肉生産における AI は人工知能のことも指します。
ワイオミング州ウィートランド出身の博士課程学生チェイス・マーケルは、物心ついた頃から牛の生産に携わってきました。それは彼の伝統であり、情熱であり、大学研究者としての主な研究分野です。
牛のうっ血性心不全
マーケルは、大学と大学院の両方の学位を取得しました。 カリフォルニア大学動物科学部。修士課程の学生として、彼は高地病またはブリスケット病としても知られる牛の肺高血圧症を研究しました。
チェイス・マーケル
この研究を通じて、マーケル氏はうっ血性心不全に特に興味を持つようになりました。うっ血性心不全は肺高血圧症と関連があり、肉牛の仕上げにおいてますます問題となっている状態です。
「これは厄介な病気であり、簡単な解決策はありません」と彼は言います。 「学べば学ぶほど、自分が知らないことに気づく。」
マーケル氏の研究は、動物が高地病に罹患しながらも生存する無症状の肺高血圧症の場合のほうが、収穫前に動物が死亡した場合に生じる直接的な利益損失よりも大きな経済的影響を与える可能性があることを示している。
「この病気による主な経済的影響は、おそらく死亡による損失だけではなく、生きた動物の成長パフォーマンス、屠体の品質、そして最終的な牛肉製品の官能特性といった生産効率の損失である可能性が高いです」と彼は説明する。
牛の右心室の大きさと形状は、肺高血圧症とうっ血性心不全のリスクを示す明らかな指標となります。この病気により右心室の圧力が上昇するため、筋肉はますます肥厚し、変形していきます。
マーケル氏が、うっ血性心不全に関連する危険因子が牛肉生産にどのような影響を与えるかを理解したい場合は、できるだけ多くの牛の心臓を検査する必要があるでしょう。
AIによる効率の向上
コロラド州立大学の教授であり、マーケル氏の緊密な協力者の一人であるティム・ホルト氏は、肺高血圧症のリスクを評価するための 1 ～ 5 のスコアリング システムをすでに開発していました。ホルトのシステムでは、スコア 1 は心臓が正常に見えることを意味し、スコア 5 の心臓はしぼんだバレーボールに似ています。
この種のデータの収集には通常、牛肉加工工場の内臓ラインにかがみ込み、飛び交う心臓を必死で分類する作業が必要でした。しかし、マーケル氏は、研究者が心臓の写真を撮り、それらの画像を正しいカテゴリに分類するようにコンピューターを訓練できたらどうなるだろうかと考えました。
動物科学者であり、終生牛の生産者でもあったマルケルは、人工知能よりも人工授精についての知識がはるかに豊富でした。しかし、人類学者ショーン・フィールドとの会話に触発されて、彼はフェローシップに応募することに決めました。 カリフォルニア大学コンピューティングスクール。
コンピューティング学部の助教授であるフィールド氏は、古代の建造物に関連する地形的特徴について衛星画像を分析するための AI モデルを開発していました。それが可能であれば、AI モデルを使用してウシの心臓の異常をより効率的に検出できるかもしれない、とマーケル氏は考えました。
当時、彼は画像分類モデルが何なのか、ましてや独自の画像分類モデルを構築する方法を知りませんでした。しかし、コンピューティング学部の指導者の助けを借りて、マーケル氏は最終的に心臓画像を使用して牛のうっ血性不全の危険因子の存在と重症度を評価する人工知能モデルを作成しました。
しかし最初に、マーケルはネブラスカ州とコロラド州の商業加工工場で撮影された写真を使用して、何千ものハートを手作業で丹念に採点しました。マーケル氏は、思い描いていた画像分類ツールを構築するために、これまでにやったことのない AI モデルを作成するだけでなく、ハートを正確にスコアリングできるようにトレーニングする必要もありました。
何千もの心を分析する
マーケル氏はコンピューティング学部のフェローとして、1,000 枚近くのスコアリングされた心臓画像を開発した AI モデルに入力し、ホルト教授のスコアリング システムを使用して画像を評価するようにトレーニングしました。
LR: A) 屠体から取り出した直後の摘み取った部分（心臓と肺）の生の画像。 B) grad-CAM (勾配加重クラス アクティベーション マッピング) ヒート マップ。AI モデルの分類プロセスにとって最も重要な画像領域を強調表示します。 C) ヒート マップを生の画像に重ねて表示することで、AI モデルにとって最も重要な解剖学的構造を視覚化できます。画像提供：チェイス・マーケル。
これまでのところ、実験は成功しています。このモデルはすでに 92% の精度を達成しています。つまり、これまでに見たことのない画像が与えられた場合、AI モデルは 92% の確率で正しいスコアを割り当てます。
これは驚くほど高い精度ですが、マーケル氏はモデルの改良を続けるつもりです。クレイジーに聞こえるかもしれないと彼は認めますが、彼の目標はデータセットを 15,000 枚の画像に拡張することです。 「ハートにはさまざまな形や大きさがあります」と彼は言います。 「植物が異なれば、照明や動物が異なれば、物事は大きく異なって見えます。」
Markel 氏はモデルのパフォーマンスに満足していますが、このツールには限界があることを認めています。これは、本質的に主観的な Markel の画像スコアのみに基づいてトレーニングされています。モデルを強化するには、他の研究者によって割り当てられたスコアも使用してモデルをトレーニングする必要があります。
それでも、マルケル氏は自分の仕事が概念実証の成功であると考えています。 「いつか誰かがこれを業界で実際に使えるようになればいいですね」と彼は言う。
生産部門におけるデータ分析の変革
生産農業はデータ重視の産業ですが、研究者にとっても業界専門家にとっても、膨大な量の情報が手に負えない場合があります。
たとえば、食肉加工工場は「収益にどのようなサービスを提供してきたか、または従来から収益に貢献してきたかに関するデータを収集するのが非常に得意です」とマーケル氏はコメントしています。
しかし、現在のシステムは、植物と生産者の両方に経済的な影響を与える可能性がある無症状状態を捕捉していません。
マーケル氏は、うっ血性心不全リスクの兆候を示す牛の数とその程度についてより良いアイデアを得ることができたら、これらのリスクカテゴリーが生きた動物の成績、枝肉の品質、およびその他の経済的に関連する要素とどのように相互作用するかを判断したいと考えています。
「これらの植物には、この画像分類システムやその他のシステムを組み込む大きなチャンスがあると思います。 [other] 「この種の分析は、どの枝肉が価値を付加しているのか、どの枝肉が付加価値を付加していないのか、そしてそこに何らかの病気の関与があるのかどうかを正確に特定しようとする上で、多くの価値をもたらす可能性があると思います。」と彼は言います。
マーケル氏の現在のモデルは加工工場での適用に最適ですが、将来のモデルがワイオミング州の生産者に直接的な利益をもたらすことを期待しています。
プロデューサー自身が毎日データを収集していると彼は指摘する。 「彼らはノート用紙の裏にそれを行うかもしれませんが、そのデータには多くの価値があります。私が動物科学と州内の生産者で気づいたことは、 [that] 私たちは非常に多くのデータを持っており、これらのデータを分析するために従来の方法に依存しています。」
これらのアプローチは長い間うまく機能してきましたが、マーケル氏は、研究者や生産者が AI モデルと機械学習の助けを借りてデータをより効果的に適用できる機会があると考えています。
「研究者として、私たちはこれらのツールを研究に組み込み始め、生産者や業界の人々が実際にそれらのツールを活用して収益の向上に貢献できるように、そのテクノロジーの構築を支援するよう努める必要があります。」と彼は結論づけています。
###
UWagニュース
#カリフォルニア大学の学生が人工知能を使用して牛の心臓病の危険因子を研究 #ノーザン農業ネットワーク