С 1970 года популяции диких животных сократились более чем на 70%. По данным международной волонтерской организации Animal Matters, в год на Земле вымирают около 30 тыс. видов животных или примерно три вида в час. Чтобы спасти популяции от исчезновения, ученые внедряют технологии искусственного интеллекта. «РБК Тренды» разобрались, как это работает.
Анализ данных и изучение генетического материала
Большая часть работы ИИ в сфере охране природы сосредоточена на анализе тысяч часов кадров, снятых с удаленных камер, либо данных аэрофотосъемки. Также технология применяется в анализе получаемого материала, чтобы идентифицировать и находить объекты на изображении или видео. Специализированные модели часто обучают идентифицировать виды или обнаруживать их присутствие или отсутствие. Так, открытая модель HerdNet помогает в подсчете густонаселенных популяций животных, в том числе слонов и антилоп в саванне.
Кроме того, ИИ используются в изучении eDNA — генетического материала, которые животные выделяют в окружающую среду, например, в воду или почву. Его можно собрать и проанализировать для идентификации видов, присутствующих в определенной области. Модели ИИ способны обрабатывать огромные объемы данных eDNA, которые сочетают информацию дистанционного наблюдения и собранные образцы на земле. Алгоритмы машинного обучения обучаются распознавать генетические маркеры, связанные с определенными организмами, чтобы быстрее идентифицировать редкие или находящиеся под угрозой исчезновения виды. Это позволяет исследователям отслеживать популяции в отдаленных или недоступных местах, не нарушая их среду обитания. Такие решения предлагает, например, компания NatureMetrics. Она работает, в том числе, с горнодобывающей промышленностью, чтобы минимизировать ущерб в областях с высокой ценностью биоразнообразия и избегать его в местах обитания редких видов.
Идентификация видов
Технологии распознавания изображений на основе ИИ и компьютерного зрения помогают исследователям изучать популяции диких животных. Например, американская платформа Wildbook использует шаблоны искусственного интеллекта для цифровой маркировки отдельных животных по внешним признакам, например, цвету или длине хвоста. Доступ к платформе может получить любой желающий, чтобы загрузить свой материал. В настоящее время Wildbook насчитывает более 6 млн изображений. Алгоритмы анализируют общедоступные фотографии и видео, чтобы мгновенно идентифицировать отдельных животных. Разработчики считают, что в перспективе платформа позволит накопить информацию о малоизученных видах.
Искусственный интеллект позволяет также делать открытия. По оценкам ученых, на Земле идентифицировано менее 20% видов насекомых. После того, как систему ИИ применили для изучения видео с камер-ловушек в Панаме, исследователи обнаружили более 300 ранее неизвестных науке видов.
Мониторинг и картирование среды обитания
Датчики и камеры-ловушки на основе ИИ отслеживают среду обитания в режиме реального времени, собирая данные о перемещении, поведении видов и изменениях окружающей среды. Так, в рамках проекта компании VITO, Фламандского института технологических исследований и Европейского агентства по окружающей среде удалось создать классифицированные ИИ-карты среды обитания для таких регионов, как Нидерланды, Австрия и Южная Португалия. В работе использовали методы глубокого обучения и спутниковые наборы данных высокого разрешения, такие как Copernicus High Resolution Vegetation Phenology (HR-VPP). Исследователи разработали модель CatBoost, которая способна выявлять разные классы организмов в конкретной среде и создавать ее карту менее чем за один день. В итоге удалось создать карты местообитаний с высоким разрешением до 10 м, тогда как обычно масштаб составлял от 1 до 10 км.
Оценка и наблюдение за популяциями
Алгоритмы машинного обучения анализируют собранные данные для подсчета численности популяций и тенденций, которые важны для оценки ее здоровья. Так, компания Conservation Metrics из Санта-Крус использует инструменты ИИ, чтобы анализировать данные пассивного акустического наблюдения и фотоловушек. Это позволяет исследователям отслеживать состояние диких животных, их распределение и тенденции в популяции. А американская компания Ultralytics предлагает модель компьютерного зрения YOLO11 для отслеживания объектов в реальном времени, которая позволяет наблюдать за поведением в популяции, подсчитывать ее численность и понимать миграцию.
Меры по борьбе с браконьерством
Системы ИИ обнаруживают необычные действия в районах отслеживания флоры и фауны, например случаи браконьерства или незаконные вырубки. Так, неправительственная организация из Сан-Франциско Rainforest Connection использует искусственный интеллект для борьбы с браконьерством в Африке. Инструмент Arbimon анализирует акустические данные из наблюдаемой среды и при фиксации аномалий (звуков пилы и т.д.) отправляет оповещение о событиях в реальном времени.
Прогнозирование ради сохранения видов
Прогностическая аналитика позволяет экологам предвидеть угрозы до того, как они повлияют на дикую природу. Анализируя исторические данные наряду с текущими тенденциями, ИИ может выявлять изменения в популяциях видов, схемах их миграции и потенциальных антропогенных воздействиях на среду обитания. Специально обученные модели распределения видов при этом прогнозируют, как изменение климата повлияет на распределение популяции. Они анализируют различные факторы, такие как потребности в среде обитания, климатические переменные и географические барьеры. Все это позволяет принимать упреждающие меры по сохранению, адаптированные к конкретным потребностям уязвимых видов.
Например, Protection Assistant for Wildlife Security (PAWS) — приложение на основе искусственного интеллекта, разработанное в Гарварде — используется в национальных парках для помощи рейнджерам. Оно анализирует данные о топографии, популяциях животных, природных тропах и пешеходном движении, а затем строит предиктивные модели на основе прошлой браконьерской деятельности. Искусственный интеллект направляет систему, чтобы найти лучший маршрут для патрулирования и определить количество браконьерских ловушек и капканов на пути.
Перспективные направления
Одно из потенциальных приложений, которое привлекает внимание исследователей — это концепция использования ИИ для расшифровки языка животных. Ученые ожидают, что улучшение межвидового понимания будет способствовать внедрению новых мер по защите биоразнообразия и борьбе с изменениями климата. Проект Earth Species использует генеративный ИИ и большие языковые модели для создания такого переводчика. В рамках проекта уже разработали NatureLM-audio — первую в мире и большую модель аудиоязыка для биоакустических данных.
Существует также проект CETI, который фокусируется на использовании аналогичного подхода для понимания кашалотов, которые общаются с помощью звуков, напоминающих щелчки в азбуке Морзе. Участники проекта уверены, что такое понимание позволит им принять эффективные меры по защите океанов.
Google в 2024 году объявила о развертывании модели ИИ SurfPerch для прослушивания коралловых рифов. Она позволит анализировать биоакустические данные, чтобы прогнозировать стабильность рифа.
Наконец, китайский гигант Baidu пытается получить патент на технологию ИИ, предназначенную для перевода звуков животных на человеческий язык. Метод работает путем сбора различных типов данных от животного, включая «голос, язык тела, поведенческие изменения и другие биологические признаки».
Исследователи полагают, что в будущем продвинутые технологии ИИ помогут предсказывать, как различные стратегии сохранения могут повлиять на экосистемы с течением времени. Например, ИИ сможет определять наиболее подходящие места для реинтродукции видов (переноса в ранее заселенные ими районы) или лучшие практики для восстановления деградировавших мест обитания на основе исторических данных, а также прогнозируемых изменений окружающей среды.
➤ Подписывайтесь на телеграм-канал «РБК Трендов» — будьте в курсе последних тенденций в науке, бизнесе, обществе и технологиях.