17-letni student opracował model sztucznej inteligencji (AI), który może znacznie poprawić wykrywanie wystrzałów w lasach deszczowych, co stanowi przełom w walce z kłusownictwem. Współczesne poleganie na monitoringu akustycznym – umieszczanie rejestratorów w lasach w celu wykrywania wystrzałów – napotyka poważne problemy z dokładnością ze względu na naturalny hałas tła dżungli. Istniejące rozwiązania AI albo generują zbyt wiele fałszywych alarmów, albo wymagają nadmiernej mocy obliczeniowej do wdrożenia w czasie rzeczywistym.
Problem z bieżącym monitorowaniem
Od dziesięcioleci działacze na rzecz ochrony przyrody wykorzystują monitoring akustyczny do śledzenia dzikiej przyrody i wykrywania nielegalnej działalności. Zasada jest prosta: umieść rejestratory, przeanalizuj dźwięk i alarmuj władze o zagrożeniach takich jak kłusownictwo. Jednak gęste lasy tropikalne stanowią poważny problem. Środowisko jest pełne naturalnych dźwięków – wiatru, deszczu, odgłosów zwierząt – ale dźwięki te często imitują strzały. Trzaskanie gałęzi, wokalizacje małp, a nawet machanie ogonem bobra mogą powodować fałszywe alarmy i przytłaczać zespoły zajmujące się ochroną przyrody nieistotnymi alertami. Jak zauważa Daniela Hedwich, dyrektor projektu Elephant Listening Project na Uniwersytecie Cornell: „Monitorowanie akustyczne doskonale nadaje się do rejestrowania tych dźwięków… ale oznacza też, że wykrywamy tysiące innych sygnałów, które nie są strzałami”.
Jak działa nowy model sztucznej inteligencji
Naveen Dhar, licealista z San Diego, stworzył sieć neuronową, która wydaje się być w stanie pokonać te przeszkody. Zamiast bezpośrednio analizować kształty dźwięku, opracowany model przekształca dźwięk w spektrogramy – wizualne reprezentacje częstotliwości w czasie – co pozwala wykorzystać istniejące struktury sztucznej inteligencji do przetwarzania obrazu. Dzięki takiemu podejściu model jest zarówno dokładny, jak i wystarczająco łatwy do wdrożenia w terenie w czasie rzeczywistym. Kluczem jest unikanie nadmiernego dopasowania — tendencji modeli sztucznej inteligencji do zbytniej specjalizacji w stosunku do zbioru danych, na którym zostały przeszkolone. Model Dhara ma umożliwiać uogólnienie na różne środowiska lasów tropikalnych, a nie ograniczać się do jednej lokalizacji.
Dlaczego jest to ważne
Kłusownictwo jest głównym czynnikiem wymierania tego gatunku, szczególnie w Afryce i Azji, gdzie poluje się na krytycznie zagrożone słonie i nosorożce ze względu na kość słoniową i rogi. W patrolach przeciwdziałających kłusownictwu często brakuje personelu, są one niebezpieczne i nie są w stanie pokryć rozległych, odległych obszarów. Tradycyjne metody, takie jak fotopułapki, mają ograniczenia: mogą zostać zniszczone lub skradzione przez kłusowników, a ich zasięg jest ograniczony. Monitoring akustyczny zapewnia szerszy zasięg, ale jego zawodność w przeszłości ograniczała jego skuteczność. Niezawodny system wykrywania wystrzałów umożliwi grupom zajmującym się ochroną przyrody szybsze i skuteczniejsze reagowanie, potencjalnie ratując życie (zarówno zwierząt, jak i ludzi).
Szersza perspektywa
Sukces tego modelu sztucznej inteligencji wskazuje na szerszy trend: rosnącą rolę uczenia maszynowego w ochronie przyrody. Podobne narzędzia służą do wykrywania nielegalnego pozyskiwania drewna, śledzenia wylesiania i monitorowania dzikiej fauny i flory morskiej. Jednak podstawowe problemy społeczno-gospodarcze leżące u podstaw kłusownictwa pozostają krytyczne. Jak zauważa Hedwich: „Zdecydowana większość ludzi, którzy wchodzą do parku narodowego, aby polować, to po prostu… ludzie próbujący zarobić na życie”. Rozwiązania technologiczne nie wystarczą do rozwiązania problemu; należy je połączyć ze zrównoważonymi alternatywami gospodarczymi i wysiłkami w zakresie egzekwowania prawa.
Praca Dhara pokazuje, że skuteczne innowacje w zakresie ochrony środowiska nie ograniczają się do uznanych instytucji badawczych. Zmotywowany student, wyposażony w odpowiednie narzędzia i wiedzę, może wnieść znaczący wkład w rozwiązywanie złożonych problemów środowiskowych. Przyszłość ochrony środowiska może zależeć od wzmocnienia pozycji tych ludzi i skutecznego skalowania ich rozwiązań.
