Сохранять по-умному

Как искусственный интеллект помогает защищать диких животных

Искусственный интеллект (ИИ) сегодня решает множество задач — от производства промышленных товаров до подбора музыки под настроение. Добрались алгоритмы и до дикой природы: с их помощью ученые наблюдают за животными на труднодоступных территориях, ведут учет популяций исчезающих видов, борются с браконьерством. Подробности — в материале +1.

Наблюдение без ошейников

Ветеринар Зои Джуэлл и ее муж, биолог Скай Алибай на протяжении многих лет наблюдали за черными и белыми носорогами в Зимбабве и Намибии с помощью радиоошейников. Но эти устройства со временем перестают подходить животным по размеру, особенно подрастающим молодым особям, давят и рвутся, часто выходят из строя. Для установки радиоошейников носорогов приходилось усыплять, что, по данным Джуэлл и Алибая, негативно влияло на фертильность самок.

В 2004 году супруги создали проект WildTrack для неинвазивного мониторинга. Теперь для исследований ученым нужны только следы носорогов. Идея была подсказана местными жителями. В основе метода, используемого специалистами, — технология FIT (Footprint Identification Technique), разработанная американской технологической компанией SAS. FIT не нарушает естественный ход жизни животных. На следы ставятся GPS-метки. Фотографии загружаются в базу, где их сравнивают с уже имеющимися образцами.

FIT используется для определения ключевых ориентиров в следе гепарда. Это отправная точка для идентификации отдельного животного.

Искусственный интеллект может определить по следам не только пол, возраст и вид, но и конкретную особь. В идеале, для получения «следового портрета» необходимы отпечатки всех четырех лап. Однако следы даже одной из них могут существенно отличаться из-за множества факторов — походки, погодных условий, типа почвы. Для получения «следового портрета» одной особи может потребоваться 20–35 отпечатков на разном грунте, а на создание алгоритма для одного вида необходимо два месяца.

Авторы проекта отмечают, что FIT заметно удешевляет исследовательский процесс: следопытам требуются только камера, линейка, устройство GPS, блокнот и карандаш. Уже разработаны алгоритмы FIT для мониторинга черного и белого носорогов, бенгальских и амурских тигров, нескольких видов тапира, белых медведей, гепардов.

Подсчет млекопитающих

В экосистеме Серенгети-Мара, включающей танзанийский национальный парк Серенгети и кенийский заповедник Масаи-Мара, обитает около 70 видов крупных млекопитающих и 500 видов птиц. Почти 10 лет назад в рамках программы Serengeti Lion Research на охраняемой территории установили сотни камер с детекторами движения для мониторинга различных животных. К анализу данных, собранных за эти годы, недавно присоединилась британская компания DeepMind, разрабатывающая решения в области искусственного интеллекта.

Раньше животных идентифицировали и подсчитывали вручную с помощью онлайн-платформы Zooniverse. Массивы данных, полученные волонтерами, вошли в базу Snapshot Serengeti, которая содержит информацию о 50 различных видах фауны. Процесс идентификации животных на фотографиях еще недавно занимал до года. Алгоритм, для обучения которого использовались снимки из Snapshot Serengeti, упрощает задачу, и теперь для определения численности популяций потребуется три месяца. ИИ способен распознавать зверей даже на расфокусированных, размытых снимках. Разработчики надеются, что искусственный интеллект будет использоваться и в других национальных парках.

Спасение слонов

В национальном парке Нуабале-Ндоки и на прилегающих лесозаготовительных участках на северо-западе Республики Конго специалисты уже 30 лет занимаются мониторингом звукового фона. Они выделяют из общего потока низкочастотные трубные звуки, с помощью которых общаются лесные слоны. Проект Elephant Listening Project направлен на сохранение их стремительно сокращающейся популяции. За последние десятилетия она снизилась на две трети из-за добычи слоновой кости.

Чтобы защитить животных, калифорнийская компания Conservation Metrics, получив грант программы Microsoft AI for Earth, разработала алгоритмы, позволяющие выделять звуки, издаваемые лесными слонами, из огромного количества данных. Эта информация помогает ученым точнее оценивать численность слонов и следить за их передвижениями. Предполагается, что алгоритмы помогут бороться с браконьерами и блокировать размещенные в сети объявления о продаже слоновой кости.

Идентификация жирафов

По подсчетам Дженны Стейси-Доуз, исследователя из зоопарка Сан-Диего, численность сетчатых жирафов (подвид с темными многоугольными пятнами, между которыми пролегают узкие белые полоски. — Прим. +1) в изучаемых ею районах северной части Кении за последние 30 лет сократилась на 70%. По всей Африке популяция за тот же период уменьшилась на 40% и сейчас не превышает 100 тыс. особей. Чтобы сохранить вид, биологам нужно знать, сколько жирафов обитает на определенных территориях, и следить за их передвижениями и предпочитаемой средой обитания, но традиционный способ подсчета с помощью аэрофотосъемки затратен и требует много времени.

На помощь пришла некоммерческая организация Wild Me, базирующаяся в американском Портленде. Она также спонсируется Microsoft AI for Earth. Разработчики создали платформу Wildbook с открытым исходным кодом, позволяющую идентифицировать отдельных особей по уникальным рисункам шерсти и другим отличительным признакам. Любой желающий может сфотографировать жирафа (желательно — с двух сторон или, если это не получается, с правой, на которой лучше виден узор) и загрузить снимок в базу данных GiraffeSpotter напрямую с компьютера или с помощью учетной записи в Facebook или Flickr. Фото должно сопровождаться информацией о месте, где оно было сделано, времени и, если возможно, виде, поле, размере группы.

Затем фото проверяют специалисты проекта. После этого снимок анализируют с помощью алгоритмов, сравнивающих его с фотографиями, уже содержащимися в базе, чтобы понять, числится ли в ней животное. Если нет — добавляют новую запись. Сегодня в Wildbook содержатся базы данных по 20 видам диких животных — от ягуаров до зебр, но возможности машинного обучения, как утверждают разработчики, безграничны.

Борьба с браконьерством

Технология TrailGuard AI, разработанная некоммерческой организацией RESOLVE в партнерстве со специалистом по сохранению исчезающих видов Стивом Гуликом, позволяет обнаружить и остановить браконьеров до совершения ими преступления. С помощью искусственного интеллекта камеры TrailGuard идентифицируют людей на изображениях и отправляют снимки в штаб-квартиру парка через GSM (Global System for Mobile Communications), спутниковые сети или по радиосвязи. Технологию TrailGuard AI испытывали в полевых условиях в заповеднике Грумети в Танзании — в результате было арестовано 30 браконьеров.

Использование искусственного интеллекта поможет экологам и смотрителям парков справиться с браконьерством.

Технологии компьютерного зрения, используемые в камерах, позволяют фиксировать движущиеся объекты — животных, людей, транспортные средства — в режиме реального времени. Устройства потребляют мало энергии, могут работать долгое время без подзарядки. Миниатюрный размер затрудняет обнаружение камер. Партнерами RESOLVE выступают Intel, Национальное географическое общество США, Фонд Леонардо ДиКаприо и другие организации.

Автор

Евгения Чернышёва