Teren Muzeum Historii Naturalnej (NHM) w Londynie w ostatnich latach przeszły całkowitą transformację, która sprawiła, że odwiedzający są w pełni zanurzeni w cudach świata przyrody, gdy tylko wkroczą na miejsce.
Gdy odwiedzający wejdą na teren tunelami londyńskiego metra, które łączą NHM z innymi muzeami i lokalnymi atrakcjami rozsianymi wzdłuż Exhibition Road, robią to teraz wzdłuż wysadzanego kamieniami chodnika, pełnego paproci, sagowców i modeli dinozaurów, w ramach przewodnika po historii ewolucji Ziemi.
Na lewo od budynku, rzut beretem od zgiełku South Kensington, znajduje się NHM Nature Discovery Garden, który został otwarty dla publiczności latem 2024 roku.
Przestrzeń ta jest pełna flory i fauny, co stanowi „żywe laboratorium” dla 400 naukowców muzeum, którzy śledzą różnorodność biologiczną przestrzeni za pomocą sieci czujników rozmieszczonych po całym obiekcie.
„Ambicją czujników ogrodu muzealnego jest stworzenie zawsze aktywnego laboratorium zewnętrznego do gromadzenia i przetwarzania danych dotyczących środowiska miejskiego” – mówi Rachel Wiles, menedżer produktu ds. technologii NHM w rozmowie z Computer Weekly. „W tej chwili dysponujemy zbiorem około 58 000 obserwacji wizualnych z ogrodu muzealnego, ale te czujniki potrafią zrobić jeszcze więcej”.
Czujniki będą rejestrować dane środowiskowe, na przykład śledząc temperaturę i wilgotność gleby i zbiorników wodnych w ogrodzie, a także rejestrować niezwykle szczegółowe dane akustyczne.
„Możesz wyraźnie słyszeć śpiew ptaków w ogrodzie, ale czujniki są na tyle dostrojone, aby usłyszeć trzepotanie skrzydeł owadów i tym podobne kawałki” – dodaje Wiles. „Naszym celem jest połączenie wszystkich danych z czujników, które otrzymamy, z ogromnym zbiorem danych z obserwacji wizualnych, które już posiadamy, aby stworzyć platformę badawczą, do której nasi naukowcy będą mieli dostęp i z której będą mogli korzystać.”
Łączenie kropek
Dane Nature Discovery Garden są zbierane z wielu czujników które obejmują 25 urządzeń Raspberry Pi połączonych ze sobą złożoną siecią danych.
„Są czujniki i są urządzenia, a skrzynki z urządzeniami mogą zawierać czujniki, tam też znajduje się Raspberry Pi i cała moc obliczeniowa potrzebna do konfiguracji” – mówi Computer Weekly Ed Baker, badacz biologii akustycznej w NHM. „Każde urządzenie Raspberry Pi ma w sobie jakąś formę czujnika audio i może zawierać wiele innych czujników środowiskowych [linked to] ich.”
Jako przykład Baker przytacza jedno z urządzeń służących do rejestrowania dźwięku w stawie, które jest również połączone z szeregiem termometrów umieszczonych na różnych głębokościach stawu, aby ocenić, jak różnice w temperaturach wody mogą wpływać na to, co w nim rośnie i żyje. Czujniki akustyczne są również wyposażone w wiele mikrofonów, dzięki czemu dźwięk może być odbierany z różnych kierunków.
Aby pomóc Bakerowi i jego zespołowi zidentyfikować źródło wychwytywanych dźwięków, korzystają z modeli uczenia maszynowego z Cornell Lab, w tym z aplikacji Merlin do identyfikacji ptaków – mówi.
„Ma różne listy [bird] gatunków, a jeden potrafi odróżnić ludzkie głosy, samochody i wszystko inne, co dzieje się w środowisku” – mówi. „Przeważnie nagrywasz, aby uniknąć hałasu, ale [we want to understand] jak ptaki oddziałują na hałas środowiska miejskiego, dlatego chcemy zachować ten hałas. To bardzo różni się od pracy w ładnym, dziewiczym lesie lub laboratorium akustycznym, ale chcemy rozłożyć pejzaż dźwiękowy, a następnie nadać mu jakieś znaczenie.
Obecnie wykorzystywana jest jedynie skromna część mocy obliczeniowej Raspberry Pi w skrzynkach urządzeń, ale istnieje potencjał, aby zapewniały one możliwości podobne do obliczeń brzegowych, aby pomóc w przetwarzaniu danych gromadzonych przez czujniki w przyszłości.
„Po raz pierwszy od 1881 r. ogrody zostały naprawdę gruntownie przebudowane, zanim ponownie je otwarto zeszłego lata, i prawdopodobnie minie jeszcze tyle czasu, zanim będziemy mieli szansę cokolwiek zmienić” – mówi Baker. „Więc na razie zdecydowaliśmy się na lekką przesadę, jeśli chodzi o moc obliczeniową w ogrodach i infrastrukturę leżącą u podstaw tego wszystkiego, więc mamy pewien poziom zabezpieczenia na przyszłość.
„W miejscu, w którym jesteśmy teraz, transfer danych z powrotem [to where the data is processed) is really easy, so doing that right now on the edge isn’t important. As we expand out to some of our other sites, where we can’t dig up their gardens, we’ll revisit that.”
Sensor install and deployment
While the Nature Discovery Garden has been open to the public for more than year, the sensors themselves were switched on in mid-September 2025, after a period of sensor installation and testing.
“There have been some challenges with the sensor install, as it comes to managing timelines across the estate,” says Wiles.
For example, the terracotta brickwork on the exterior of the museum has been under restoration for some time, and the sensor install project has had to fit in with the timelines for that work, she says. The data collected by the sensors will be fed into an Amazon Web Services (AWS) product stack known as the Data Ecosystem Platform, which Wiles is the product lead for, having joined the project eight months ago.
She describes her role as being the “bridge between the engineering and science teams”, as it her job to ensure the huge amounts of data being collected are processed efficiently.
“We had a testing week of the sensors recently,” she says, in response to a question about the scale of the data being collected for the project, “And we’ve had about 36,000 recordings per day over the whole sensor network, which are all fed into the Data Ecosystem. We expect that in just audio data alone, we’re going to generate around 20 terabytes of data a year, so there are big considerations to take in terms of the tech we use to process that and feed it into the system.”
As well as information gleaned from the garden’s sensors, there is also data collected during the museum’s BioBlitz events, whereby people are invited to record and share details of the flora and fauna they have spotted in the gardens during a defined period.
“Most of the [BioBlitz] dane napływają potokiem iNaturalist do ekosystemu danych i – jeśli chodzi o dane z czujników – będziemy przesyłać je zbiorczo do ekosystemu danych, abyśmy mogli sprawdzać i monitorować, czy wszystko przychodzi zgodnie z oczekiwaniami”.
Praca nad wyzwaniami
Istnieje jednak nadzieja, że po włączeniu czujników przesyłanie danych do ekosystemu danych będzie odbywać się ze znacznie większą regularnością.
„Przechodzimy do fazy automatyzacji, aby mieć zawsze aktywny element i podgląd danych na żywo” – mówi Wiles. „W tej chwili może być tak, że tylko tyle mamy [the data] raz dziennie, ale chcemy, aby ten ciągły przepływ danych napływał, gdy tylko sprawdzimy, czy pierwszy zestaw danych z czujników działa zgodnie z oczekiwaniami”.
Trzeba było również rozważyć „wiele kwestii technicznych”, aby zapewnić spójność informacji wprowadzanych do platformy ekosystemu danych, biorąc pod uwagę, że „wszystkie te dane przychodzą w jedno miejsce z wielu, wielu źródeł” – mówi Wiles.
„W świecie przyrody obserwujemy około dwóch milionów gatunków, ale mamy około 20 milionów różnych sposobów nadawania nazw tym dwóm milionom gatunków, dlatego musieliśmy zbudować silnik równoważności taksonomicznej, co jest wewnętrznym procesem, którego używamy, aby upewnić się, że nazewnictwa w zbiorach danych są równoważne.
„Oznacza to, że nasi badacze mają bardzo ustandaryzowany, poprawny i niezawodny sposób sprawdzania, czy widzą wszystkie rekordy dotyczące określonej taksonomii, co naprawdę pomoże zebrać te dane, stworzyć powiązania i przyspieszyć badania”.
Kopanie w ekosystemie danych
Jak wspomniano wcześniej, platforma ekosystemu danych jest zbudowana wyłącznie w oparciu o technologie AWS, w tym moduły Amazon DocumentDB i Amazon S3 do przechowywania danych oraz bezserwerową integrację AWS Glue umożliwiającą pozyskiwanie danych z czujników.
„Teraz używamy Amazon QuickSight do [assist with our] obserwacje wizualne [data]co jest fantastyczne, ponieważ możesz używać Amazon Q do obracania i uzyskiwania dostępu do tych danych, aby zobaczyć nowe punkty widzenia, których wcześniej nie widziałeś, a także robić takie rzeczy, jak wizualizacja na mapie, wizualizacja jako wykres i odblokowywanie nowych spostrzeżeń” – mówi Wiles.
Po włączeniu czujników ogrodowych na platformę będą napływać dodatkowe dane, do których NHM planuje również wykorzystywać generatywną sztuczną inteligencję (AI) Amazon Q, a w konfiguracji będzie odgrywana rola Amazon Sagemaker. Ta ostatnia technologia jest reklamowana przez AWS jako połączenie uczenia maszynowego z możliwościami analitycznymi, aby pomóc użytkownikom zrozumieć ich dane.
„Chcemy włączyć Sagemaker jako nasze główne narzędzie analityczne jeszcze w tym roku” – mówi Wiles. „Gdy już to zrobimy, nasz zespół badaczy uzyska dostęp do wszystkich danych znajdujących się w podstawowym ekosystemie danych, dzięki czemu będzie mógł prowadzić badania bezpośrednio w Sagemaker”.
Jednak Baker koncentruje się obecnie na wykorzystaniu czujników do uzyskania danych z całego roku w celu zbudowania podstawowego obrazu wpływu sezonowości na przykład na wzorce temperatur w całym obiekcie.
„Chcę uzyskać punkt odniesienia za rok [of data] ponieważ w Wielkiej Brytanii panuje duża sezonowość, więc musisz mieć pewność, że wszelkie odkryte różnice nie wynikają wyłącznie z sezonowości” – mówi. „Potrzebujemy solidnych danych, które wymagają solidnej interpretacji, abyśmy mogli opracować solidne polityki, które pozwolą nam wprowadzić środki łagodzące, które sprawią, że takie miejsca miejskie będą przyjazne dla wszystkich”.
Jako przykład podaje wielkość zanieczyszczenia hałasem, na jakie narażone są ogrody ze względu na jego położenie w środku South Kensington, oraz sposoby, w jaki można temu zaradzić.
„Między nami a drogą nie ma zbyt wiele roślinności, a zimą hałas jest znacznie głośniejszy. Można też wprowadzić działań mających na celu rozwiązanie tego problemu i zwiększenie różnorodności biologicznejjak sadzenie drzew i krzewów, ale jakich? Bo chcemy uczynić przestrzeń miejską ładniejszą dla ludzi i dać przyrodzie szansę na walkę.”