Zaštitnici prirode i životinja sve se više okreću umjetnoj inteligenciji kao inovativnom tehnološkom rješenju za suočavanje s krizom biološke raznolikosti i ublažavanje klimatskih promjena. Nedavno izvješće Wildlabs.net pokazalo je da je umjetna inteligencija jedna od tri najpopularnije tehnologije za očuvanje okoliša. Od zamke za kameru i satelitskih slika do audio snimaka, izvješće bilježi: “Umjetna inteligencija može naučiti kako prepoznati koje fotografije sadrže rijetke vrste ili odrediti poziv životinje putem snimke  uvelike smanjujući ručni rad potreban za prikupljanje vitalnih podataka o očuvanju.”

Umjetna inteligencija pomaže u zaštiti raznolikih vrsta poput grbavih kitova, koala i snježnih leoparda, podržavajući rad znanstvenika, istraživača i čuvara u vitalnim zadacima, od ophodnji protiv krivolova do praćenja vrsta. Uz računalne sustave za strojno učenje koji koriste algoritme i modele za učenje, razumijevanje i prilagođavanje, umjetna inteligencija je često u stanju obaviti posao stotina ljudi, postižući brže, jeftinije i učinkovitije rezultate. Evo pet projekata umjetne inteligencije koji doprinose razumijevanju biološke raznolikosti i vrsta.

Zaustavlja krivolov

Nacionalni park Kafue u Zambiji dom je više od 6600 afričkih slonova savane i prostire se na 22 400 četvornih kilometara, tako da je zaustavljanje krivolova veliki logistički izazov. Ilegalni ribolov u jezeru Itezhi-Tezhi na granici parka također je problem, a krivolovci se maskiraju u ribare kako bi neprimijećeni ušli i izašli iz parka, često tijekom kasnih noćnih sati. 

Connected Conservation Initiative, iz Game Rangers Internationala (GRI), Zambijskog Odjela za nacionalne parkove i divlje životinje i drugih partnera, koristi umjetnu inteligenciju za poboljšanje konvencionalnih napora protiv krivolova, stvarajući virtualnu ogradu dugu 19 km preko jezera Itezhi-Tezhi. Infracrvene termalne kamere bilježe svaki čamac koji ulazi i izlazi iz parka, danju i noću.  

Postavljene 2019., kamere su ručno nadzirali rendžeri, koji su tada mogli reagirati na znakove nezakonite aktivnosti. Kamere su sada osposobljene za automatsko otkrivanje čamaca koji ulaze u park, povećavajući učinkovitost i smanjujući potrebu za stalnim ručnim nadzorom. Valovi i let ptica također mogu potaknuti upozorenja pa se umjetna inteligencija uči eliminirati ta lažna očitanja.

“Umjetna inteligencija može promijeniti igru jer može pratiti ilegalne prelaske čamaca i odmah upozoriti timove čuvara. Tehnologija je omogućila nekolicini rendžera da osiguraju danonoćni nadzor ogromne ilegalne ulazne točke preko jezera Iteži-Tezhi”, rekao je Ian Hoad, posebni tehnički savjetnik. 

Praćenje gubitka vode

Brazil je izgubio više od 15 % površinske vode u posljednjih 30 godina, što je kriza koja je izašla na vidjelo samo uz pomoć umjetne inteligencije. Rijeke, jezera i močvarna područja u zemlji suočavaju se sa sve većim pritiskom rastuće populacije, gospodarskog razvoja, krčenja šuma i pogoršanja učinaka klimatske krize. No, nitko nije znao razmjere problema sve do prošlog kolovoza, kada je, koristeći sustave za strojno učenje, projekt za vodu MapBiomas objavio svoje rezultate nakon obrade više od 150 000 slika koje su generirali Nasini sateliti od 1985. do 2020. na površini brazilskog teritorija. Bez umjetne inteligencije, istraživači ne bi mogli detaljno analizirati promjene vode u cijeloj zemlji. Umjetna inteligencija također može razlikovati prirodne i umjetno nastale vodene površine.

Rijeka Negro, glavna pritoka Amazone i jedna od 10 najvećih svjetskih rijeka po volumenu, izgubila je 22 % svoje površinske vode. Brazilski dio Pantanala, najveće svjetske tropske močvare, izgubio je 74 % površinske vode. Takvi su gubici razorni za divlje životinje (4000 vrsta biljaka i životinja živi u Pantanalu, uključujući jaguare, tapire i anakonde), ljude i prirodu. 

“Bez umjetne tehnologije nikada ne bismo znali koliko je situacija ozbiljna, a kamoli imali podatke da uvjerimo ljude. Sada možemo poduzeti korake da se uhvatimo u koštac s izazovima koje ovaj gubitak površinske vode predstavlja za nevjerojatnu biološku raznolikost i zajednice u Brazilu”, kaže Cássio Bernardino, voditelj projekta MapBiomas.

Pronalaženje kitova

Znati gdje se nalaze kitovi prvi je korak u postavljanju mjera za zaštitu kitova i morskih područja kojima se kreću. Teško je vizualno locirati kitove grbavce preko golemih oceana, ali njihovo osebujno pjevanje može putovati daleko pod vodom. Nacionalna agencija za istraživanje oceana i atmosfere (Noaa) na pacifičkim otocima koristi akustični snimači za praćenje populacija morskih sisavaca na udaljenim i teško dostupnim otocima, rekla je Ann Allen, oceanografkinja agencije Noaa. “U 14 godina prikupili smo oko 190 000 sati akustičnih snimaka. Pojedincu bi bilo potrebno mnogo vremena da ručno identificira glasove kitova”.

Godine 2018. Noaa se udružila s timom za bioakustiku iz Googlea kako bi stvorili model za strojno učenje koji bi mogao prepoznati pjesmu kitova grbavca. "Uspješno smo pronašli njihovu novu pjesme na grebenu Kingman, mjestu koje nikada prije nije dokumentiralo prisutnost ovih kitova. Ova sveobuhvatna analiza naših podataka ne bi bila moguća bez umjetne inteligencije", rekla je Allen za The Guardian.  

Zaštita koala

Populacija koala u Australiji je u ozbiljnom padu zbog uništavanja staništa, napada domaćih pasa, prometnih nesreća i šumskih požara. Bez znanja o njihovom broju i gdje se nalaze, njihovo spašavanje je izazovno. Grant Hamilton, izvanredni profesor ekologije na Tehnološkom sveučilištu Queensland, stvorio je centar za umjetnu inteligenciju za očuvanje uz pomoć saveznih sredstava i sredstava Landcare Australia za prebrojavanje koala i drugih ugroženih životinja. Koristeći dronove i infracrvenu sliku, algoritam umjetne inteligencije brzo analizira infracrvene snimke i utvrđuje je li toplinski potpis koala ili neka druga životinja. Hamilton je koristio sustav nakon razornih požara u Australiji 2019. i 2020. kako bi identificirao preživjele populacije koala, posebno na otoku Klokana.

"Ovaj će sustav omogućiti Landcare grupama, grupama za očuvanje i organizacijama koje rade na zaštiti i praćenju vrsta da pregledaju velika područja bilo gdje u Australiji i pošalju podatke nama na sveučilištu da ih obradimo", rekao je Hamilton za The Guardian. 

Brojanje vrsta

Spašavanje vrsta na rubu izumiranja u Kongu, drugoj po veličini prašumi na svijetu, ogroman je zadatak. Godine 2020. tvrtka Appsilon udružila se sa Sveučilištem Stirling u Škotskoj i Gabonskom agencijom za nacionalne parkove (ANPN) kako bi razvili algoritam za klasifikaciju slika pomoću Mbaza algoritama za opsežno praćenje biološke raznolikosti u nacionalnim parkovima Lopé i Waka u Gabonu.

Zaštitnici prirode koristili su automatizirane kamere za snimanje vrsta, uključujući afričke šumske slonove, gorile, čimpanze i ljuskavce, koje su tada morale biti ručno identificirane. Milijuni slika mogle bi se mjesecima ili godinama klasificirati, a u zemlji koja gubi oko 150 slonova svaki mjesec zbog krivolovaca, vrijeme je važno.

Mbaza algoritam korišten je 2020. za analizu više od 50 000 slika prikupljenih iz 200 zamki za kamere raspoređenih po 7000 četvornih km šume. Mbaza algoritam klasificira do 3000 slika na sat i točnost je do 96 %. Zaštitnici prirode mogu pratiti životinje te brzo uočiti anomalije ili znakove upozorenja, omogućujući im da brzo djeluju kada je to potrebno. Algoritam također radi izvanmrežno na običnom prijenosnom računalu, što je od pomoći na lokacijama bez internetske ili slabe veze.