Rekaman hutan yang dulu tampak terlalu buram untuk diolah kini justru menjadi bahan penting bagi riset primata. Melalui PriMAT, model AI pelacak banyak hewan, video yang semula sulit dibaca dapat dimanfaatkan kembali untuk mengenali dan mengikuti primata di hutan lebat Asia Tenggara.
Pendekatan ini penting karena kerja lapangan pada primata selama ini sering terhambat kondisi alam yang tidak ramah kamera. Cahaya berubah cepat, semak tumbuh rapat, dan objek kerap hilang saat hewan masuk ke bayangan atau menghilang di balik vegetasi.
Cara PriMAT membaca pergerakan di hutan
PriMAT tidak bekerja seperti banyak sistem pelacakan otomatis sebelumnya yang mengandalkan keypoint detection. Teknik lama itu menandai bagian tubuh seperti siku, pangkal ekor, atau kaki, dan biasanya cukup efektif di lingkungan yang terkendali.
Masalahnya, hutan tropis dan hutan lebat jauh lebih sulit diprediksi. Karena itu, PriMAT memakai bounding box dinamis untuk mengunci target primata dan tetap mengikuti objek saat kondisi visual berubah.
Tim peneliti dari berbagai negara, termasuk Jerman, mengembangkan model ini khusus untuk melacak primata nonmanusia dalam kondisi alami. Sistem tersebut juga bisa mendeteksi dan melacak primata serta objek lain dari video berlabel atau dari gambar tunggal.
Arsip lama yang kembali berguna
Daya tarik PriMAT bukan hanya pada pelacakan di lapangan, tetapi juga pada kemampuannya menghidupkan kembali arsip video lama. Rekaman yang sebelumnya dianggap kurang berguna ternyata masih menyimpan informasi yang dapat dianalisis ulang.
Dalam uji kasus pada Assamese macaques dan red-fronted lemurs, peneliti hanya memakai beberapa ratus frame video dengan bounding box. Dari sana, identitas lemur dapat diprediksi dengan akurasi hingga 83%.
Model yang sama juga diuji pada Barbary macaques, Guinea baboons, gorila, dan simpanse. Hasil itu menunjukkan bahwa pendekatan berbasis AI ini mampu mengikuti individu primata tertentu tanpa bergantung pada gerakan atau perilaku hewan saat direkam.
Mengurangi beban kerja lapangan
Bagi biologi lapangan, manfaat lain dari PriMAT adalah berkurangnya kerja manual yang melelahkan. Sebelum ada alat seperti ini, peneliti sering harus bersembunyi lama di vegetasi rapat hanya untuk mendapatkan beberapa jam cuplikan yang jelas.
Bahkan ketika kamera berhasil merekam, pelacakan sering terhenti setelah hewan bergerak beberapa kaki saja. Begitu subjek masuk ke area gelap atau lewat di balik semak tebal, alur pengamatan bisa putus.
Dengan PriMAT, jam-jam footage yang dulu terasa tidak berguna dapat diproses otomatis dalam hitungan menit. Itu membuat data yang sudah terkumpul punya nilai baru tanpa perlu kerja penyaringan manual yang panjang.
Dampak untuk studi primata
Penelitian primata memang sering menghasilkan data dalam jumlah besar, tetapi memprosesnya secara manual memakan waktu. Kehadiran AI membuka jalan agar peneliti tidak perlu lagi menyaring gambar satu per satu dengan beban yang sama besar seperti sebelumnya.
Model ini masih berada pada tahap awal, namun hasil awalnya menunjukkan ada sisi riset yang sebelumnya tersembunyi. Jika pengembangannya terus maju, video buram dari dalam hutan bisa menjadi salah satu sumber paling berharga untuk memahami perilaku primata.