Forskare som använder artificiell intelligens har upptäckt att afrikanska lejon producerar två distinkta typer av brun, inklusive en tidigare oigenkänd mellanversion. Detta genombrott, som beskrivs i en ny studie, förbättrar övervakningstekniker för den sårbara arten. Upptäckten lovar mer exakta bevarandeinsatser mitt i minskande lejonpopulationer.
Ett team från University of Exeter har identifierat ett mellanbrun hos afrikanska lejon, vilket utmanar den tidigare uppfattningen att de bara producerar en typ. Publicerad i Ecology and Evolution använde studien maskininlärning för att klassificera brun med 95,4 % noggrannhet, vilket minimerar mänsklig bias i identifiering.
Huvudförfattaren Jonathan Growcott förklarade betydelsen: «Lejonbrun är inte bara ikoniska – de är unika signaturer som kan användas för att uppskatta populationsstorlekar och övervaka enskilda djur. Fram till nu har identifiering av dessa brun starkt byggt på expertbedömningar, vilket introducerar potentiell mänsklig bias. Vår nya AI-baserade metod lovar mer exakt och mindre subjektiv övervakning, vilket är avgörande för bevarandearbetare som skyddar minskande lejonpopulationer.»
International Union for Conservation of Nature listar lejon som sårbara, med uppskattningsvis 20 000 till 25 000 vilda individer kvar i Afrika – en minskning med cirka hälften under de senaste 25 åren. Denna AI-drivna metod förbättrar passiv akustisk övervakning och erbjuder ett pålitligt alternativ till traditionella metoder som spårundersökningar eller kamerafällor.
Growcott betonade behovet av förändring: «Vi anser att det behövs ett paradigmskifte i viltövervakning och en storskalig övergång till passiva akustiska tekniker. När bioakustiken förbättras kommer den att vara vital för effektiv bevarande av lejon och andra hotade arter.»
Forskningen involverade samarbeten med University of Oxfords Wildlife Conservation Unit, Lion Landscapes, Frankfurt Zoological Society, TAWIRI och TANAPA. Finansiering kom från Lion Recovery Fund, WWF Tyskland, Darwin Initiative och UKRI AI Centre for Doctoral Training in Environmental Intelligence.