Szacuje się, że kłusownicy zabijają 96 słoni afrykańskich każdego dnia, a ekolodzy ostrzegają, że te słynne zwierzęta mogą wyginąć na przestrzeni kilkudziesięciu lat, jeśli statystyki się nie zmienią. Jednak teraz naukowcy mają nadzieję, że nowe narzędzie sztucznej inteligencji (SI, z ang. artificial intelligence, AI) pomoże służbom ochrony dzikiej przyrody w walce z kłusownikami.
WIDEO…
PAWS – akronim od Protection Assistant for Wildlife Security – jest nowo stworzonym narzędziem SI, które zbiera dane o poprzednich akcjach kłusowników i tworzy trasy patroli, uwzględniając możliwe miejsca działań kłusowników.
Te trasy są również wybierane losowo, żeby kłusownicy nie byli w stanie przewidzieć szlaków patroli. Dzięki korzystaniu z uczenia maszynowego, dziedziny wchodzącej w skład nauk zajmujących się SI, PAWS może nieustannie znajdować nowe rozwiązania, gdyż dane są cały czas dodawane do programu.
Milind Tambe, profesor informatyki na University of Southern California zainteresował się pracą nad narzędziem SI w walce z kłusownictwem po tym, jak podczas konferencji Global Tiger Initiative zdał sobie sprawę z możliwego wyginięcia takich zwierząt jak tygrys czy słoń.
- Zrozumiałem wówczas, jak trudna jest sytuacja zwierząt, o których czytałem moim dzieciom bajki na dobranoc – przyznaje Tambe.
W 2013 roku Tambe skompletował zespół doktorantów, którego efektem pracy był PAWS. Algorytm PAWS opiera się na tzw. grach o bezpieczeństwo (ang. security games) – podzbiorze w teorii gier, gdzie obrońca próbuje zoptymalizować ograniczone zasoby, by przeciwdziałać atakom. Posiłkując się teorią gier o bezpieczeństwo , Tambe stworzył algorytmy używane przez Departament Bezpieczeństwa Krajowego Stanów Zjednoczonych, Agencję Bezpieczeństwa Transportu i Straż Przybrzeżną USA i które przewidują, gdzie najlepiej ustawić zasoby - takie jak agenci i punkty obserwacji - by skutecznie walczyć z przemytem i terroryzmem.
Fei Fang, jeden z doktorantów pracujących przy PAWS, wcześniej napisał pracę o tym, jak gry bezpieczeństwa mogłyby być używane, by przeciwdziałać przestępstwom wymierzonym w dziką przyrodę. Fang wymyślił nazwę „ekologiczne gry bezpieczeństwa”, która odnosi się do tego kontekstu. Jednak PAWS jest pierwszym przypadkiem, kiedy teoria ekologicznych gier bezpieczeństwa została zastosowana w prawdziwym świecie.
Sukces w terenie
Zespół Tambe’a partnerował agencji Uganda Wildlife Authority (UWA) w Parku Narodowym Queen Elizabeth, gdzie UWA przez 14 lat zbierała dane o działaniach kłusowników. Baza danych zawiera ponad 125 tysięcy obserwacji dotyczących celowania do zwierząt, pułapek, szczątek zwierzęcych i innych oznak kłusownictwa, wszystkich ze współrzędnymi GPS. W oparciu o te dane Tambe i jego studenci stworzyli pierwszą wersję testową PAWS. Po udanej próbie w Ugandzie, w 2014 roku PAWS został przetestowany w Malezji, gdzie zespół szybko zdał sobie sprawę, że tamtejszy wyboisty teren powinien być uwzględniony w informacjach topograficznych. Pierwsze patrole wiodły bowiem po bardzo męczących szlakach. W rezultacie PAWS sprawdził się jeszcze lepiej niż w poprzednich patrolach pod względem liczby zaobserwowanych śladów zwierzęcych i ludzkich aktywności na każdy kilometr. Doświadczenie pozwoliło Fangowi i reszcie zespołu jeszcze bardziej udoskonalić program.
- Nauczyliśmy się na przykładzie bezpośrednich doświadczeń – opowiada Fang. – Dowiedzieliśmy się, jak patrole naprawdę wyglądają.
W opublikowanym artykule naukowym zespół Fanga ostrzega, że poprzednie patrole nie są idealnym punktem odniesienia, ale dane mimo wszystko dowodzą, że PAWS potrafi kierować strażników w miejsca o wzmożonej aktywności kłusowników, a także dostarcza cennych wskazówek przy planowaniu patroli.
PAWS nie doprowadził jeszcze do żadnych zatrzymań kłusowników, ale to może się zmienić jeszcze w tym roku, bowiem planuje się przeniesienie PAWS na trzy miesiące z powrotem do Parku Narodowego Queen Elizabeth, tym razem na większy teren.
W przeciwieństwie do innych technologii SI stworzonych, by zastąpić pracowników, PAWS jest w rękach strażników leśnych narzędziem. Tambe podkreśla, że choć PAWS lepiej sobie radzi w analizowaniu wszystkich danych i tworzeniu losowych patroli, ludzie są lepsi w innych analizach i w badaniu tropów.
- Jest potrzeba, żeby rozwiązania SI i ludzka inteligencja ze sobą współpracowały – podkreśła Tambe.
Pełna wersja artykułu znajduje się tutaj.
Tekst: Jackie Snow
Źródło: National Geographic News
Zobacz nasz nowy cykl "Warto spróbować"! W pierwszym odcinku uczymy się LANDKITE, próbujemy, testujemy, sprawdzamy co to buggy oraz pokazujemy jakich błędów unikać i dlaczego WARTO SPRÓBOWAĆ właśnie tej dyscypliny sportu.
