W przeciwieństwie do konwencjonalnych metod, które mogą zakłócać ekosystemy lub wymagać znacznego czasu, pracy i zasobów, AI daje możliwość szybkiej i skutecznej analizy ogromnych ilości danych z rzeczywistego świata. - Bez AI nigdy nie osiągniemy celów ONZ dotyczących ochrony zagrożonych gatunków - mówi Carl Chalmers, który zajmuje się tzw. uczeniem maszynowym w Conservation AI, brytyjskiej organizacji non-profit z Liverpoolu, używającej technologii AI do różnych projektów ekologicznych.
Gatunki znikają w tempie nawet tysiące razy szybszym niż miliony lat temu, a około miliona gatunków znalazło się na skraju wyginięcia. W odpowiedzi, ONZ postawiła sobie za cel ochronę co najmniej 30 proc. lądów i oceanów Ziemi do końca tej dekady.
Nowa szybkość działania
Nicolas Miailhe, założyciel The Future Society, międzynarodowej organizacji non-profit, której celem jest lepsze zarządzanie AI, przyznaje, że sztuczna inteligencja nie jest doskonała, ale i tak może przyspieszyć ważne odkrycia. - Wciąż bardzo potrzebujemy ludzi do projektowania modeli, a także zbierania, etykietowania, kontrolowania jakości i interpretacji danych - mówi.
Ekolog Jörg Müller z Uniwersytetu Würzburga w Niemczech i jego koledzy wykazali, że narzędzia AI mogą pomóc w ilościowej ocenie bioróżnorodności w tropikalnych lasach, identyfikując gatunki zwierząt z nagrań audio. W badaniu opublikowanym 17 października w Nature Communications, naukowcy użyli AI do analizy "dźwięków otoczenia" zwierząt w regionie Chocó w Ekwadorze, znanym z bogatej ptasiej fauny. Rozmieszczono rejestratory w 43 działkach reprezentujących różne etapy regeneracji. Pliki audio przekazano ekspertom, którzy byli w stanie zidentyfikować 183 gatunki ptaków, 41 gatunków płazów i 3 gatunki ssaków.
AI i nauka: co myśli 1600 badaczy?
Naukowcy wprowadzili również swoje nagrania do modelu AI będącym tzw. konwolucyjną siecią neuronową (CNN). - Nasze wyniki demonstrują, że AI jest gotowe na bardziej kompleksową identyfikację gatunków w tropikach na podstawie dźwięku - mówi Müller. Wszystko, czego teraz potrzeba, to więcej danych treningowych zebranych przez ludzi.
Używanie AI do precyzyjnego pomiaru bioróżnorodności odnowionych lasów może być kluczowe dla oceny projektów bioróżnorodności, które muszą wykazać sukces, aby zapewnić sobie ciągłe finansowanie.
Badacze z Conservation AI opracowali modele, które mogą przeszukiwać nagrania i obrazy z dronów lub pułapek fotograficznych, aby zidentyfikować krytycznie zagrożone gatunki oraz śledzić ruchy zwierząt. Do tej pory Conservation AI przetworzyło ponad 12,5 miliona obrazów i wykryło ponad 4 miliony indywidualnych wystąpień zwierząt z 68 gatunków, w tym zagrożone wyginięciem pangoliny w Ugandzie, goryle w Gabonie i orangutany w Malezji.
Okazuje się, że platforma może przetwarzać dziesiątki tysięcy obrazów na godzin. - W przeciwieństwie do ludzi, którzy mogą obrobić najwyżej kilka tysięcy," mówi Paul Fergus, jeden z głównych badaczy Conservation AI. - Szybkość, z jaką AI przetwarza dane, może pozwolić konserwatorom na ochronę wrażliwych gatunków przed nagłymi zagrożeniami takimi jak kłusownictwo i pożary - dodaje.
Dane historyczne w zasięgu ręki
Oprócz monitorowania bioróżnorodności w czasie rzeczywistym, AI może być używana do modelowania wpływu ludzkich działań na ekosystem i rekonstruowania historycznych zmian. Bo chociaż dobrze udokumentowano, że działalność człowieka doprowadziła do utraty bioróżnorodności w rzekach i jeziorach, to niewiele wiadomo, które czynniki środowiskowe miały największy wpływ. - Długoterminowe dane są kluczowe, aby powiązać zmiany w bioróżnorodności ze zmianami środowiskowymi i określić osiągalne cele konserwacyjne - mówi Luisa Orsini, która bada ewolucyjne systemy biologiczne na Uniwersytecie w Birmingham.
Orsini i jej koledzy opracowali model, który łączy bioróżnorodność ze historycznymi zmianami środowiskowymi. W badaniu opublikowanym w eLife wcześniej tego roku, zespół pozyskał materiał genetyczny z warstw osadów w jednym z jezior. Naukowcy następnie połączyli te dane z informacjami klimatycznymi ze stacji pogodowej i danymi o zanieczyszczeniu chemicznym z bezpośrednich pomiarów i badań krajowych, używając AI zaprojektowanego do obsługi różnorodnych typów informacji. Orsini mówi, że celem było odnalezienie jakiejkolwiek korelacji wśród chaosu danych.
Okazało się, że obecność insektycydów i fungicydów wraz z ekstremalnymi zdarzeniami temperaturowymi i opadami może wyjaśnić nawet 90 proc. utraty bioróżnorodności w jeziorze. - AI 'uczy się' na podstawie przeszłych danych i przewiduje przyszłe trendy w bioróżnorodności z większą dokładnością niż kiedykolwiek wcześniej - ocenia Orsinia
AI może być rutynowo stosowane w realnych wysiłkach konserwacyjnych w najbliższej przyszłości. Trzeba tylko pamiętać, że nowe narzędzie zużywa moc obliczeniową i materialne zasoby, co ostatecznie ma negatywny wpływ na ekosystemy.
