Искусственный интеллект против животных-преступников

По оценкам Всемирного фонда дикой природы, с 1970-х годов численность позвоночных животных на планете сократилась на 68%. Для защиты биоразнообразия все чаще используются технологии искусственного интеллекта (ИИ). Они помогают контролировать численность популяций, бороться с браконьерством, пресекать незаконную торговлю редкими видами в интернете. Но иногда сами животные могут причинять вред людям: распространять болезни, нападать на домашний скот и даже устраивать поджоги. Вопрос о том, как бороться с такого рода вредительством, остается открытым. Корреспондент нидерландского издания The Next Web (TNW) Тристан Грин считает, что и в этом случае на помощь могут прийти алгоритмы.

Журналист отмечает, что сейчас животных могут наказывать любым способом, который люди сочтут приемлемым, — вплоть до убийства. Иногда уничтожаются целые группы животных, так как обнаружить одного «преступника» практически невозможно. Он приводит в пример ситуацию, когда человек замечает около своего дома крысу. С большой вероятностью он вызовет службу дезинфекции, которая вытравит всех грызунов поблизости. Показателен и случай с норками в Дании. У животных на некоторых зверофермах обнаружили мутировавший штамм коронавируса, который снижает способность организма к выработке антител и может повлиять на эффективность разрабатываемой вакцины. Сначала власти потребовали от заводчиков уничтожить всех норок — как здоровых, так и больных, чья общая численность составила от 15 до 17 млн особей. Но позднее они признали это решение неправильным и заявили, что требование убивать животных на фермах, где не было выявлено случаев заражения, противоречит законам. В результате в стране уничтожили только зараженных норок на 284 фермах. Часть хозяйств находится под подозрением, министр сельского хозяйства Дании Могенс Йенсен ушел в отставку.

«Идея „системы правосудия для животного мира“ могла бы показаться смешной в любую другую эпоху, — пишет Тристан Грин в статье на TNW. — Но современные технологии, особенно искусственный интеллект, позволяют провести хотя бы мысленный эксперимент». Например, в тех местах, где происходили случаи вторжения диких животных на территорию человека, журналист предлагает установить камеры наблюдения, подключенные к облачной системе распознавания лиц. Они помогут отслеживать «нарушителей» и принимать решения в каждом конкретном случае. Это не только защитит невиновных от несправедливого наказания, но и позволит сохранить уязвимые виды.

Так, многие акулы никогда не нападают на людей. Но их убивают, так как это проще и дешевле, чем выследить одну рыбу, нанесшую ущерб, говорит журналист. По данным Флоридского музея естественной истории, который ведет учет случаев нападения акул в базе International Shark Attack File, в 2019 году в мире произошло 64 неспровоцированных нападения акул на людей. Этот показатель ниже, чем за период с 2014 по 2018 год, когда в среднем ежегодно фиксировалось 82 нападения. Две атаки — на Багамских островах и на острове Реюньон в заморском регионе Франции в Индийском океане — закончились смертью людей. При этом люди ежегодно уничтожают около 100 млн акул, и если эта тенденция сохранится, то некоторые виды вскоре могут исчезнуть.

Как алгоритмы помогают спасать животных

Тристан Грин напоминает, что технологии ИИ уже используются при работе с животными. Одно из преимуществ таких сервисов заключается в том, что они неинвазивны, в отличие от ошейников или RFID-меток, которые крепятся на ухо животного, доставляют ему неудобство и часто ломаются. Например, технология, разработанная калифорнийской компанией Conservation Metrics, позволяет отслеживать лесных слонов по издаваемым ими звукам. Проект получил название Elephant Listening Project, он направлен на борьбу с браконьерством и незаконной продажей слоновой кости в интернете.

В другой американской некоммерческой организации — Wild Me из Портленда — создали платформу с открытым исходным кодом Wildbook для совместной работы ученых и активистов. В частности, на платформе собираются массивы изображений, которые затем будут применяться для обучения систем распознавания животных по уникальным внешним характеристикам. В наполнении некоторых баз данных может участвовать каждый желающий. Это в том числе база снимков жирафов (GiraffeSpotter), китообразных (Flukebook), китовых (Wildbook for Whale Sharks) и леопардовых акул (Wildbook for Leopard Sharks).

К помощи гражданской науки решили прибегнуть и сотрудники Канзасского университета Джозеф Хогланд и Брэндон Бауэр. Они разработали приложение CattleTracs, которое предназначено для идентификации крупного рогатого скота. Авторы надеются, что инструмент поможет отслеживать заболевших животных и всех, кто с ними контактировал. Каждый может скачать приложение и сделать снимок животного — для этого необходимо подойти к нему на расстояние около 1 м и расположить камеру таким образом, чтобы морда оказалась в центре экрана. Изображение вместе с координатами GPS и датой загрузится на сервер, и затем его будут использовать для обучения и тестирования системы искусственного интеллекта.

Еще одна система с открытым исходным кодом — BearID для идентификации медведей гризли (подвид бурого медведя). Ее разработали канадский биолог Мелани Клэпхэм и два программиста из Кремниевой долины — Эд Миллер и Мэри Нгуен. Для наблюдения за медведями часто используются фотоловушки, однако они не позволяют распознавать отдельных особей из-за отсутствия уникальных признаков — например, рисунков на шерсти. Алгоритмы BearID распознают животных по таким характеристикам, как расстояние между глазами, кончик носа, уши и верхняя часть лба. Разработчики обучали систему на 3,7 тыс. фотографиях 132 особей, обитающих в Британской Колумбии (Канада) и на Аляске (США). Тестирование на 934 снимках показало, что система идентифицирует конкретных особей с точностью 83,9%. Авторы проекта считают, что BearID можно использовать в качестве основы для создания систем идентификации других животных, в том числе тех, которые находятся под угрозой исчезновения.

Исследователи из Северо-Западного университета Китая разработали систему искусственного интеллекта Tri-AI для автоматического обнаружения и идентификации приматов и других видов животных по видео и изображениям. Система воспринимает цветные и черно-белые изображения, сделанные как в дневное, так и в ночное время. Ее обучали на массиве данных, содержащем более 102,3 тыс. изображений 1 тыс. приматов (представители 41 вида), а также 6,5 тыс. изображений 91 хищника (четыре вида). В ходе проверки система обрабатывала 31 изображение в секунду и идентифицировала приматов с точностью 94,1%. При тестировании на фотографиях таких хищников, как сурикаты, львы, красные панды и тигры, точность составляла 90,1%, 93,5%, 92,1% и 94,3% соответственно.

«Искусственный интеллект для идентификации отдельных особей может стать волшебной палочкой, которую мы ищем. И не только для наказания конкретной особи, но и для изменения поведения целой группы животных», — заключает Тристан Грин.