Машинное обучение вошло в тройку ведущих технологий в области охраны природы. В статье приводится обзор задач, решаемых с помощью машинного обучения – от оценки популяции шимпанзе до определения местонахождения китов.
Искусственный интеллект может научиться определять, какие фотографии содержат редкие виды животных или точно определять животного по его голосовым сигналам из часов записей. Помимо задач мониторинга, алгоритмы ИИ используются в борьбе с браконьерством и сборе научных данных.
Борьба с браконьерами
Национальный парк Кафуэ в Замбии установил «забор» длиной 19 км из инфракрасных камер, в реальном времени обнаруживающий подозрительную активность. Алгоритмы обучены игнорировать пролет птиц через камеры и уведомлять охрану при проходе браконьеров через забор.
Отслеживание потерь воды
Проект MapBiomas water опубликовал результаты анализа более 150 000 спутниковых изображений и выявил потерю более 15% поверхностных вод за 30 лет. Без искусственного интеллекта исследователи не смогли бы проанализировать изменения водных ресурсов по всей стране в необходимом масштабе и с необходимой степенью детализации.
Поиск китов
Знание того, где находятся киты, является первым шагом к принятию таких мер, как создание охраняемых районов для их защиты. Визуально определить местонахождение китов в океанах сложно, но их характерные сигналы могут распространяться на сотни миль под водой. В Национальной ассоциации океанических и атмосферных исследований акустические регистраторы используются для мониторинга популяций морских млекопитающих на отдаленных и труднодоступных островах. В разработке алгоритмов принимает участие Google AI.
Защита коал
Популяция австралийских коал серьезно сокращается из-за разрушения среды обитания, нападений домашних собак, дорожно-транспортных происшествий и лесных пожаров. Используя беспилотные летательные аппараты и инфракрасные камеры, алгоритм анализирует инфракрасные кадры и определяет, является ли тепловая сигнатура коалой или другим животным. Система использовалась после лесных пожаров в Австралии в 2019 и 2020 годах для выявления выживших популяций коал.
Оценка популяции
Спасение видов, находящихся на грани исчезновения, было реализовано с использованием алгоритма классификации изображений для крупномасштабного мониторинга биоразнообразия в национальных парках Конго. Алгоритм классифицирует до 3000 изображений в час с точностью до 96%.
