A legfontosabb elvitelek
- A mesterséges intelligenciával hajtott kamerák új eszközt adnak a gaboni vadőröknek az orvvadászat elleni küzdelemben.
- Egy új rendszer gépi tanulást használ az eszközön lévő fényképek valós időben történő elemzésére, hogy észlelje az állatokat és az embereket.
- A technológia segít javítani az orvvadászattal és a kapcsolódó illegális hálózatokkal kapcsolatos hírszerzést, segítve a hatóságokat az illegális vadon élő állatok kereskedelmének visszaszorításában.
A mesterséges intelligenciával (AI) működő kamerák Afrika hatalmas területén segítik az állatok védelmét.
A kamerák új eszközt adnak a gaboni vadőröknek az orvvadászat elleni küzdelemben azáltal, hogy képeket készítenek a behatolókról. A rendszerek a biológiai sokféleség csökkenését is nyomon követhetik azáltal, hogy megszámolják az állatok számát egy területen.
"A szokásos kamerák "mechanikusan" aktiválódnak, ha valami kiváltja őket, például mozgás vagy hang" - mondta James Caton AI-szakértő a Lifewire-nek adott e-mailes interjújában. "A kamerába beágyazott mesterséges intelligencia intelligensebben tud aktiválni, amikor az érdeklődésre számot tartó tárgyak áthaladnak a kereten belül – például egy személy vagy orvvadász a jávorszarvassal szemben. A mesterséges intelligencia képes különbséget tenni emberi és állatfigurák között, például testtartás vagy méret alapján."
Számítástechnika az élen
Az MI-nek köszönhetően a Hack the Planet csoport által kifejlesztett új kameracsapdák intelligensebbek, mint a korábbi modellek. A rendszer gépi tanulást használ a fényképek valós időben történő elemzéséhez az eszközön, hogy észlelje az állatokat és az embereket.
A csapdák figyelmeztetik a vadőröket, ha elefánt, orrszarvú vagy emberi mozgást észlelnek. A műholdas felfelé irányuló kapcsolattal felszerelt rendszer bárhol működhet a világon, anélkül, hogy GSM- vagy Wifi-hálózattól függne.
A Stirling Egyetem kutatója, Robin Whytock és kutatócsoport egy mesterséges intelligencia-modellt tesztelt a kameracsapdák adatainak elemzésére. Az általuk használt esettanulmány közép-afrikai erdei emlős- és madárfajokat osztályozott. És még a modell betanításához használt, viszonylag kis, 300 000 képből álló adatkészlettel is erős volt az eredmény – számoltak be a kutatók egy közleményükben.
A kutatók szerint a gépi algoritmus 90 százalékos pontosságú, és óránként körülbelül 4000 képet képes osztályozni a parkőrök és ökológusok által használt asztali gépeken anélkül, hogy hozzáférnének a hatékony felhőalapú számítástechnikai erőforrásokhoz. Az AI-rendszer több hétről egyetlen napra csökkenti a több ezer csapdakép elemzéséhez szükséges időt.
Az ösvények őrzése
A TrailGuard AI nevű másik rendszert nemzeti parkok biztonsági rendszereként használják az orvvadászok észlelésére, megállítására és letartóztatására. A technológia segít javítani az orvvadászattal és a kapcsolódó illegális hálózatokkal kapcsolatos felderítést, segítve a hatóságokat az illegális vadon élő állatok kereskedelmének visszaszorításában.
Elég kicsi ahhoz, hogy elrejtse az ösvényeket, a TrailGuard AI kamerafeje mesterséges intelligenciát használ az emberek észlelésére a képeken belül, és az embereket tartalmazó képeket GSM-en, nagy hatótávolságú rádión vagy műholdas hálózaton keresztül visszaküldi a park központjába. A TrailGuard mesterséges intelligencia technológiáját egy kelet-afrikai rezervátumban tesztelték, ahol harminc orvvadász letartóztatásában és több mint 1300 font bozóthús lefoglalásában segített.
"A kamerába ágyazott mesterséges intelligencia intelligensebben tud aktiválni, amikor az érdeklődésre számot tartó elemek áthaladnak a kereten belül…"
A természetvédők előnyére válnak, ha a mesterséges intelligencia a kamerában fut, nem pedig a felhőben, mivel az akkumulátor élettartamának legnagyobb lemerülése nem a kamerában lévő számítógépes látóchipre való következtetés, hanem a kép GSM-en vagy műholdas modemen keresztül történő továbbítása. Eric Dinerstein, a RESOLVE vadvédelmi csoport WildTech igazgatója e-mailben elmondta a Lifewire-nek.
Dinerstein azt mondta, hogy a rendszer pontosan kiszűri a hamis pozitívakat, ha a kamerát nem orvvadász aktiválja.
"A TrailGuard terepen történő telepítése során a mozgásérzékelő triggereinek akár 95%-a hamis triggerek vagy hamis pozitív eredmények eredménye" - tette hozzá Dinerstein. "Csak 5%-uk valódi orvvadász."
A TrailGuard megmentheti az akkumulátor élettartamát. Több ezer téves pozitív kép továbbítása több hét alatt lemeríti az elemeket. Ha kiszűri a szélén lévő téves pozitívakat, és csak valódi pozitív vagy nagyon kevés téves pozitív üzenetet továbbít, az akkumulátorok évekig kitartanak.
"Emellett az általunk használt chip nagyon alacsony fogyasztású, és készülékünk alvó vagy kikapcsolt üzemmódban van élete nagy részében" - mondta Dinerstein. "A távoli területeken lévő érzékelők akkumulátorának élettartama kritikus."
A vadon élő állatok megfigyelése hamarosan még okosabbá válhat. A kutatók kamerákba ágyazott programozható mesterséges intelligencia kialakításán dolgoznak.
Jelenleg a képeket fényképezőgépről kell lekérni, és a felhőben kell feldolgozni. Az új képességek azonban lehetővé teszik a felhasználók számára, hogy testreszabott AI-ügynököket hozzanak létre, és telepítsék őket a kamerákon.
"Ha például tudják, hogy az orvvadászok fehér autóban utaznak, vagy az egyikük mindig sárga sapkát visel, akkor távolról frissítheti a kamerákat ezzel az új információval" - mondta Caton.
