毎年春になると、リバーヘリング（ニシンの一種）はマサチューセッツ州の沿岸部から淡水の産卵場へと重要な移動を開始する。従来、これらの個体数の監視はボランティアによる労働集約的な目視計数に頼ってきたが、この手法は日光の有無や人間の持久力に大きく制約されるという課題があった。そこで、MITシーグラントおよびCSAILの研究チームは、水中ビデオを介して継続的かつ自動的に魚を監視できる、ニューラルネットワークベースの高度な代替システムを導入した。

研究チームは、生映像のキャプチャからオブジェクト検出、種分類までを一貫して行うエンドツーエンドのパイプラインを構築した。様々な水質条件や照明環境を反映した多様なデータセットでモデルを学習させることにより、システムは何千匹もの魚を正確に特定・追跡することに成功している。特筆すべきは、このAIが人間が見落としていた生物学的な洞察を明らかにした点である。例えば、遡上のピークが夜明けにあることや、外敵を避けるために夜間に降河移動（川を下る移動）が主に行われていることなどが判明した。

この技術はかつてない規模と精度を提供するが、研究チームはこれがシチズン・サイエンス（市民科学）に取って代わるものではなく、あくまでそれを拡張するためのものだと強調している。ボランティアは、機器のメンテナンスやモデル出力の検証において、引き続き不可欠な役割を担う。人間による観察と自動化された視覚分析を組み合わせたこの協力体制は、多様な水域生態系における費用対効果の高い高解像度な環境保全と漁業管理の新たな基準を提示している。

毎年春になると、リバーヘリング（ニシンの一種）はマサチューセッツ州の沿岸部から淡水の産卵場へと重要な移動を開始する。従来、これらの個体数の監視はボランティアによる労働集約的な目視計数に頼ってきたが、この手法は日光の有無や人間の持久力に大きく制約されるという課題があった。そこで、MITシーグラントおよびCSAILの研究チームは、水中ビデオを介して継続的かつ自動的に魚を監視できる、ニューラルネットワークベースの高度な代替システムを導入した。

研究チームは、生映像のキャプチャからオブジェクト検出、種分類までを一貫して行うエンドツーエンドのパイプラインを構築した。様々な水質条件や照明環境を反映した多様なデータセットでモデルを学習させることにより、システムは何千匹もの魚を正確に特定・追跡することに成功している。特筆すべきは、このAIが人間が見落としていた生物学的な洞察を明らかにした点である。例えば、遡上のピークが夜明けにあることや、外敵を避けるために夜間に降河移動（川を下る移動）が主に行われていることなどが判明した。

この技術はかつてない規模と精度を提供するが、研究チームはこれがシチズン・サイエンス（市民科学）に取って代わるものではなく、あくまでそれを拡張するためのものだと強調している。ボランティアは、機器のメンテナンスやモデル出力の検証において、引き続き不可欠な役割を担う。人間による観察と自動化された視覚分析を組み合わせたこの協力体制は、多様な水域生態系における費用対効果の高い高解像度な環境保全と漁業管理の新たな基準を提示している。