Le sfide della conservazione della fauna selvatica e della biodiversità possono essere superate utilizzando l’intelligenza artificiale e il machine learning.
Nell’ottobre dello scorso anno, i funzionari hanno scoperto un corpo infestato dai vermi di Solo, una giovane tigre, nel Parco nazionale di Bandhavgarh in India. Un caso di sospetto avvelenamento, la sua morte è stata una testimonianza di come i metodi convenzionali di conservazione della fauna selvatica abbiano fallito.
Centinaia di animali perdono la vita per varie cause: inondazioni, incendi, avvelenamenti e bracconaggio, ogni anno. Nella sola India, 74 specie animali sono in grave pericolo di estinzione e il paese si colloca nella “lista della vergogna” globale. Molti di questi animali sono specie chiave di volta la cui estinzione può far crollare interi ecosistemi e cicli alimentari.
I metodi convenzionali ed estenuanti di sorveglianza per la conservazione della fauna selvatica ci hanno deluso.
I sistemi e i metodi di sorveglianza esistenti e convenzionali di monitoraggio della fauna selvatica sono insufficienti e inefficienti. Non sono in grado di scalare o sono fisicamente esaurienti. Fortunatamente, l’applicazione della tecnologia nella conservazione della fauna selvatica e della biodiversità è un raggio di speranza. Le applicazioni dell’intelligenza artificiale e dell’apprendimento automatico possono cambiare le dinamiche del campo a favore di queste specie minacciate.
Un algoritmo adatto alla natura
L’intelligenza artificiale è utile per comprendere i comportamenti ripetuti negli animali: modelli di riproduzione, percorsi di foraggiamento e abitudini di caccia. Ogni animale mostra lo stesso comportamento di base.
Un algoritmo adatto alla sorveglianza della fauna selvatica deve essere addestrato su un grande volume di metadati, inclusi milioni di immagini, suoni e percorsi. L’intelligenza artificiale è versatile. Può essere modellato in vari algoritmi e può essere utilizzato per sorveglianza, acquisizione di immagini, sicurezza, conteggio degli animali, controllo del bracconaggio e ricerca.
Un occhio d’aquila per la natura
Tracciato convenzionalmente dalle guardie forestali, il monitoraggio degli animali è esaustivo e non lascia spazio a errori. I ranger non sono equipaggiati abbastanza bene per affrontare il compito regolarmente. Inoltre, il rapporto tra i ranger e l’area dei territori che devono monitorare è enorme.
I robot abilitati all’intelligenza artificiale, o droni con set di dati di immagini ed elaborazione, possono aiutare le autorità preposte alla conservazione della fauna selvatica a tenere traccia della popolazione animale.
Allo stesso modo, la tecnologia di Visione artificiale può aiutare. La tecnologia utilizzata nei droni abilitati per l’intelligenza artificiale può rilevare il tipo e la specie di animali e informare i ricercatori sulle loro attività quotidiane. Gli algoritmi di apprendimento automatico che alimentano questi droni sviluppati con una vasta gamma di set di dati consentiranno anche all’IA di riconoscere questi animali. Grandi animali come rinoceronti, balene ed elefanti possono essere individuati tramite immagini satellitari e aiutano i ricercatori a tenere d’occhio questi animali.
Computer da contare
Gli algoritmi utilizzati per il rilevamento degli animali sono simili al servizio di annotazione del riquadro di delimitazione 2D per l’apprendimento automatico: gli animali in una singola classe devono essere identificati con maggiore precisione. La segmentazione semantica abbinata all’annotazione dell’immagine è la tecnica migliore e corretta per avvicinarsi al conteggio degli animali. Il metodo rende rilevabili più animali utilizzando algoritmi di visione artificiale per localizzare l’oggetto. Può visualizzare diversi animali in una singola classe o singola entità, aiutando la percezione ad imparare da esso e separandolo dal suo ambiente naturale.
Guardiano della natura
Il bracconaggio minaccia in modo significativo la fauna selvatica nel mondo. Il commercio illegale di animali selvatici vale 23 miliardi di dollari e ha portato la mia specie sull’orlo dell’estinzione. Le foreste possono essere rese più sicure per gli animali utilizzando telecamere di sicurezza dell’intelligenza artificiale dotate di visione notturna e rilevamento di oggetti al buio. Installati nei siti in cui si infiltrano i bracconieri, possono rilevare persone che trasportano armi e allertare le autorità per salvare gli animali.
Sensori acustici basati sull’intelligenza artificiale, addestrati su set di dati del suono delle foreste, corrono al limite e raccolgono dati. Questi possono essere usati per apprendere i suoni delle foreste e segnalare anomalie. Può allarmare le autorità ogni volta che viene rilevato il rumore di motoseghe, colpi di pistola o veicoli a motore nelle vicinanze della foresta e può aiutare a ridurre il bracconaggio e il disboscamento.
Sforzi mondiali in collaborazione con AI
La University of Southern California ha recentemente sviluppato “Protection Assistant for Wildlife Security”, noto anche come PAWS, per aiutare la conservazione della fauna selvatica. Il programma utilizza modelli matematici per analizzare i dati precedenti delle rotte di pattuglia e del bracconaggio, determinando i territori su cui i ranger dovrebbero concentrarsi in risposta ai bracconieri mentre randomizzano le rotte di pattuglia, rendendo impossibile per i bracconieri individuare uno schema.
AlphaGo di DeepMind utilizza anche l’apprendimento automatico per identificare e contare gli animali. La mappatura della fauna selvatica del mondo può richiedere fino a anni, ma lo strumento di intelligenza artificiale dell’azienda può analizzare milioni di immagini in breve tempo. Il programma ha analizzato milioni di immagini scattate al Parco Nazionale del Serengeti, in Tanzania, e le ha mappate in un’ora.
Il World Wildlife Fund sta anche lavorando con Intel per applicare la tecnologia per monitorare e proteggere la fauna selvatica. Sta utilizzando il dispositivo Movidius Visual di Intel per esaminare le aree della Cina nord-orientale abitate dalle tigri siberiane. La piattaforma si basa sulla libreria di deep learning di Intel MKL-DNN e sugli strumenti TensorFlow ottimizzati per l’architettura Intel per fornire un’analisi approfondita delle immagini e aiutare a tracciare le tigri.
Pertanto, la tecnologia offre il vantaggio di proteggere la natura senza disturbare il suo habitat e con interferenze minime.
