17-річний студент розробив модель штучного інтелекту (ІІ), яка може значно покращити виявлення пострілів в умовах тропічних лісів, що стане проривом у боротьбі з браконьєрством. Сучасна залежність від акустичного моніторингу – розміщення рекордерів у лісах для виявлення пострілів – стикається із значними проблемами точності через природний шумовий фон джунглів. Існуючі ІІ-рішення або генерують занадто багато помилкових спрацьовувань, або вимагають надмірної обчислювальної потужності для розгортання в режимі реального часу.
Проблема з Поточним Моніторингом
Протягом десятиліть фахівці з охорони навколишнього середовища використовували акустичний моніторинг для відстеження дикої природи та виявлення незаконної діяльності. Принцип простий: розмістити рекордери, проаналізувати аудіо та попередити владу про погрози, такі як браконьєрство. Однак густі тропічні ліси є серйозною проблемою. Навколишнє середовище сповнене природних звуків – вітер, дощ, крики тварин – але ці звуки часто імітують постріли. Хрускіт гілок, вокалізація мавп і навіть удари хвостом бобра можуть викликати помилкові спрацьовування, перевантажуючи групи охорони навколишнього середовища нерелевантними попередженнями. Як зазначає Даніела Хедвіч, директор проекту Elephant Listening Project при Корнеллському університеті: «Акустичний моніторинг чудово підходить для запису цих звукових ландшафтів… але це також означає, що ми виявляємо тисячі інших сигналів, які не є пострілами».
Як працює Нова ІІ-Модель
Навін Дхар, учень старшої школи із Сан-Дієго, створив нейронну мережу, яка, схоже, долає ці перешкоди. Замість прямого аналізу аудіоформ його модель перетворює звук на спектрограми – візуальні уявлення частоти з часом, – що дозволяє їй використовувати існуючі ІІ-фреймворки для обробки зображень. Такий підхід робить модель як точною, так і досить легкою для розгортання в умовах польових в режимі реального часу. Ключ у тому, щоб уникнути перенавчання – тенденції ІІ-моделей ставати занадто спеціалізованими для набору даних, на якому вони були навчені. Модель Дхара призначена для узагальнення у різних середовищах тропічних лісів, а не для обмеження одним місцем розташування.
Чому це важливо
Браконьєрство є основним фактором скорочення чисельності видів, особливо в Африці та Азії, де на слонів і носорогів, що знаходяться під загрозою зникнення, полюють через слонову кістку та роги. Антибраконьєрські патрулі часто недостатньо укомплектовані, небезпечні і можуть охопити величезні, віддалені райони. Традиційні методи, такі як фотопастки, мають обмеження: їх можуть знищити або вкрасти браконьєри, і вони покривають обмежений діапазон. Акустичний моніторинг пропонує ширше охоплення, але його ненадійність історично перешкоджала його ефективності. Надійна система виявлення пострілів дозволить групам охорони природи реагувати швидше та ефективніше, що потенційно врятує життя (як тварин, так і людей).
Більш Широка Перспектива
Успіх цієї ІІ-моделі говорить про ширшу тенденцію: зростаючу роль машинного навчання в охороні природи. Подібні інструменти використовуються для виявлення незаконної вирубки лісу, відстеження обезліснення та моніторингу морської дикої природи. Однак основні соціально-економічні проблеми, що лежать в основі браконьєрства, залишаються критичними. Як зазначає Хедвіч: «Переважна більшість людей, які входять до національного парку для полювання, просто… люди, які намагаються заробити на життя». Технологічних рішень недостатньо для вирішення проблеми; їх необхідно поєднувати зі стійкими економічними альтернативами та зусиллями правоохоронних органів.
Робота Дхара демонструє, що ефективні інновації в галузі охорони природи не обмежуються усталеними дослідницькими інститутами. Мотивований школяр, озброєний правильними інструментами та знаннями, може зробити значний внесок у вирішення складних екологічних проблем. Майбутнє охорони навколишнього середовища може залежати від розширення прав і можливостей таких людей та ефективного масштабування їх рішень.
