Tehnologija, ki rešuje divje živali in blaži podnebne spremembe

Zloglasna umetna inteligenca je bila v nedavnem poročilu opredeljena kot ena od treh najpomembnejših novih tehnologij na področju ohranjanja narave in varovanja ogroženih živalskih vrst. Omenjena tehnologija se namreč vse pogosteje uporablja za analizo ogromnega števila informacij, ki jih zberejo naravovarstveniki, saj lahko opravi delo več sto ljudi in tako doseže hitrejše, cenejše in učinkovitejše rezultate.

V prejšnjih člankih o umetni inteligenci smo že pojasnili, kako deluje ta tehnologija in kako jo s pridom izkoriščamo v dobavnih verigah. Tokrat pa bomo predstavili pet primerov, kako umetna inteligenca rešuje divje živali in skrbi za naš planet.

Nedavno poročilo skupnosti Wildlabs je pokazalo, da je umetna inteligenca ena od treh najpomembnejših novih tehnologij na področju ohranjanja narave. »Umetna inteligenca se lahko nauči, kako ugotoviti, na katerih fotografijah med več tisoč fotografijami so redke živalske vrste, ali kako iz večurnih terenskih posnetkov natančno določiti klic živali, kar močno zmanjša ročno delo, potrebno za zbiranje ključnih podatkov o ohranjanju narave,« navaja poročilo.

Umetna inteligenca tako pomaga varovati različne vrste, kot so kiti grbavci, koale in snežni leopardi, ter podpira delo znanstvenikov, raziskovalcev in reševalcev pri opravljanju ključnih nalog, od patruljiranja proti plenjenju do spremljanja vrst. S pomočjo strojnega učenja, o katerem smo že pisali, lahko umetna inteligenca pogosto opravi delo hitreje, ceneje in bolj učinkovito.

Zaustavljanje tihotapcev

Nacionalni park Kafue v Zambiji je dom več kot 6600 afriških savanskih slonov in obsega 22.400 kvadratnih kilometrov, zato je zaustavljanje nezakonitega plenjenja velik logistični izziv. Problem je tudi nezakonit ribolov v jezeru na meji s parkom, kjer se tihotapci preoblačijo v ribiče in tako neopaženo vstopajo in izstopajo iz parka, pogosto ponoči.

Neprofitna organizacija Game Rangers International (GRI), skupaj z oddelkom za nacionalne parke in divje živali Zambije, izvaja pobudo, s katero si prizadevajo okrepiti običajna prizadevanja za preprečevanje plenjenja. Organizacije uporabljajo umetno inteligenco in termografske kamere FLIR, s katerimi ustvarjajo 19 kilometrov dolgo virtualno ‘ograjo’ čez jezero. Tako lahko beležijo vsak prehod čolna v park in iz njega, tako podnevi, kot ponoči.

Kamere, ki so bile nameščene leta 2019, so sprva ročno spremljali rangerji (čuvaji parka), ki so se tako lahko odzvali na znake nezakonite dejavnosti. Umetna inteligenca pa je zdaj usposobljena za samodejno zaznavanje čolnov, ki vstopajo v park, kar povečuje učinkovitost in zmanjšuje potrebo po stalnem človeškem nadzoru. Opozorila lahko sicer sprožijo tudi valovi ali ptice, vendar se umetna inteligenca uči odpravljati te lažne odčitke.

»Za varovanje zavarovanih območij že dolgo ni bilo dovolj sredstev, ljudje, ki bi 24 ur na dan in 7 dni v tednu spremljali številne kamere, pa niso primerni,« je za britanski časnik The Guardian pojasnil Ian Hoad, posebni tehnični svetovalec pri GRI, in dodal: »Umetna inteligenca pa spreminja pravila igre, saj lahko spremlja nezakonite prehode čolnov in takoj opozori ekipe rangerjev. Tehnologija je peščici rangerjev omogočila celodnevni nadzor obsežne nezakonite vstopne točke čez jezero Itezhi-Tezhi.«

Iskanje kitov grbavcev in zaščita koal

Poznavanje lokacije kitov je prvi korak pri uvajanju ukrepov za njihovo zaščito, denimo zaščititi določena morska območja. Iskanje kitov grbavcev v prostranih oceanih je sicer precej težko, vendar lahko njihovi značilen spevi pod vodo prepotujejo na stotine kilometrov. Ameriška Nacionalna uprava za oceane in ozračje (NOAA) na območjih pacifiških otokov za spremljanje populacij morskih sesalcev uporablja akustični snemalniki, pravi Ann Allen, raziskovalna oceanografinja agencije NOAA. »V 14 letih smo zbrali približno 190.000 ur akustičnih posnetkov. Posameznik bi potreboval ogromno časa, da bi ročno prepoznal vokalizacijo kitov.«

Leta 2018 je NOAA sodelovala z ekipo za bioakustične raziskave Google AI for Social Good, da bi ustvarila model strojnega učenja, ki bi lahko prepoznal pesmi kitov grbavcev. »Zelo uspešno smo prepoznali pesmi grbavcev v celotnem naboru podatkov in ugotovili vzorce prisotnosti kitov grbavcev na Havajskih in Marianskih otokih,« pravi Allenova. Pojasnila je, da so našli tudi novo pojavljanje »pesmi« grbavcev na določenih območjih, kjer prej niso bili dokumentirani in dodala: »Ta celovita analiza naših podatkov ne bi bila mogoča brez umetne inteligence.«

V Avstraliji pa se denimo populacije koal zaradi uničevanja njihovih naravnih habitatov, napadov domačih psov, prometnih nesreč in požarov močno zmanjšujejo. Brez poznavanja njihovega števila in lokacije je njihovo reševanje zahtevno. Grant Hamilton, izredni profesor ekologije na Tehnološki univerzi v Queenslandu (QUT), je ustanovil središče za umetno inteligenco na področju ohranjanja, ki šteje koale in druge ogrožene živali.

Algoritem umetne inteligence z uporabo brezpilotnih letal in termografskih posnetkov hitro analizira infrardeče slike in določi, ali je toplotni podpis koala ali druga žival. Hamilton je sistem uporabil po uničujočih avstralskih požarih v letih 2019 in 2020, da bi ugotovil, katere populacije koal so preživele.

»To je projekt, ki spreminja pravila igre za zaščito koal. Zmogljivi algoritmi umetne inteligence lahko analizirajo nešteto ur videoposnetkov in prepoznajo koale med številnimi drugimi živalmi v gostem grmovju,« je pojasnil Hamilton. Ta sistem bo naravovarstvenim in zainteresiranim organizacijam omogočil, da kjer koli v Avstraliji pregledajo velika območja in pošljejo podatke na univerzo QUT, kjer jih bomo lahko obdelali. »Umetna inteligenca se bo vedno bolj uporabljala pri ohranjanju narave. Pri tem projektu brez umetne inteligence [dela] preprosto ne bi mogli opraviti tako hitro ali tako natančno.«

Reševanje živali in sledenje vodi

Reševanje živalskih vrst, ki so na robu izumrtja, v t. i. bazenu Konga, drugem največjem deževnem gozdu na svetu, je precejšnja naloga. Leta 2020 je poljsko podjetje Appsilon, ki se ukvarja s podatkovno znanostjo, v sodelovanju z nekaterimi drugimi agencijami, razvilo algoritem za razvrščanje slik Mbaza AI za obsežno spremljanje biotske raznovrstnosti.

Razvrščanje milijonov fotografij, ki so jih okoljevarstveniki zajeli s pomočjo samodejnih kamer, in prepoznavanje različnih živalskih vrst, je sicer dolgotrajno delo. Obenem pa je čas ključnega pomena, saj v omenjeni afriški regiji vsak mesec zaradi lovcev na divje živali umre približno 150 slonov. Algoritem Mbaza AI je bil uporabljen za analizo več kot 50.000 slik, zbranih s pomočjo 200 samodejnih kamer na 7000 kvadratnih metrih gozda v letu 2020. Algoritem Mbaza AI razvrsti do 3000 slik na uro in je do 96 odstotkov natančen.

Okoljevarstveniki lahko tako spremljajo in sledijo živalim ter hitro opazijo nepravilnosti ali opozorilne znake, kar jim omogoča, da po potrebi hitro ukrepajo. Algoritem deluje tudi brez povezave z običajnim prenosnim računalnikom, kar je uporabno na lokacijah brez internetne povezave ali s slabo internetno povezavo. V Gabonu nameravata vlada in agencija za nacionalne parke namestiti samodejne kamere po vsej državi, Mbaza AI pa lahko vsem tem projektom pomaga pospešiti analizo podatkov.

Umetna inteligenca pa lahko pomaga tudi pri sledenju vode. Brazilija je namreč v zadnjih 30 letih izgubila več kot 15 odstotkov površinske vode, kar postalo razvidno šele s pomočjo umetne inteligence. Reke, jezera in mokrišča v državi se soočajo z vse večjim pritiskom zaradi naraščajočega prebivalstva, gospodarskega razvoja, krčenja gozdov in vse hujših posledic podnebne krize.

Vendar nihče ni poznal obsega problema vse do lanskega avgusta, ko je projekt MapBiomas Water s pomočjo strojnega učenja objavil rezultate obdelave več kot 150.000 posnetkov med letoma 1985 in 2020 na 8,5 milijona kvadratnih kilometrov brazilskega ozemlja. Umetna inteligenca je tako pripomogla k prepoznavanju obsežnega problema, ki ga bi sicer morda opazili prepozno.

Izjava o avtorstvu in omejitvi odgovornost: Ta prispevek je del skupnega projekta Wilfried Martens Centra za evropske študije (WMSCES) in Inštituta dr. Antona Korošca (INAK). Projekt sofinancira Evropski parlament.Informacije in stališča v tem članku so avtorjevi in ne odražajo nujno uradnega mnenja institucij Evropske unije/Wilfried Martens Centre for European Studies/Inštituta dr. Antona Korošca. Zgoraj omenjene organizacije ne prevzemajo odgovornosti za informacije in stališča, izražena v tem članku, ali kakršnokoli naknadno uporabo informacij, ki jih vsebuje.

Prispevek v angleškem jeziku je dostopen na spletni strani Inštituta dr. Antona Korošca.