Τα drones και η τεχνητή νοημοσύνη επαναγράφουν την επιβίωση και διαχείριση της άγριας ζωής

Η δύναμη της τεχνητής νοημοσύνης (AI) χρησιμοποιείται όλο και περισσότερο για την προστασία των απειλούμενων ειδών.

Η ίδια τεχνολογία που πολλοί φοβούνται ότι μπορεί κάποια μέρα να προκαλέσει απώλεια θέσεων εργασίας ή ακόμη και να αποτελέσει απειλή για την ανθρωπότητα, τώρα χρησιμοποιείται για να σώσει ζώα. Η AI έρχεται στην υπεράσπιση των απειλούμενων ειδών σε όλο τον κόσμο με πολλούς τρόπους, συμπεριλαμβανομένης της παρακολούθησης των προτύπων κίνησης και της απώλειας νερού σε υγροτόπια και ποτάμια, της ενίσχυσης των προσπαθειών κατά του λαθροκυνηγιού, της ανάπτυξης προειδοποιητικών συστημάτων και της καταμέτρησης ειδών με τεχνικές ταξινόμησης και παρακολούθησης.

Μέσα από όλες αυτές τις προσπάθειες, η AI έχει βοηθήσει στη διάσωση των μειούμενων πληθυσμών ελεφάντων, ψαριών, παγγολίνων, ρινόκερων, κόκκινων λύκων, Florida panthers, και πολλών άλλων.

Η AI μπορεί να εντοπίσει, να αναγνωρίσει και να προστατεύσει ευάλωτα είδη αναλύοντας τεράστιες ποσότητες δεδομένων, εντοπίζοντας τάσεις και παρακολουθώντας τα οικοσυστήματα με την πάροδο του χρόνου. Σε αντίθεση με τις συμβατικές μεθόδους, που διαταράσσουν τα οικοσυστήματα και απαιτούν σημαντικό χρόνο, ανθρώπινο δυναμικό και πόρους, η AI το κάνει όλα γρήγορα και αποτελεσματικά.

Με έως και ένα εκατομμύριο είδη στα χείλη της εξαφάνισης και τη βιοποικιλότητα να μειώνεται με ανησυχητικό ρυθμό, η AI προσφέρει ισχυρά εργαλεία για την υποστήριξη των προσπαθειών διατήρησης. Τα οφέλη της, όπως η αυξημένη αποδοτικότητα, η ταχύτερη επεξεργασία δεδομένων, η αυτοματοποιημένη παρακολούθηση της άγριας ζωής, η ενισχυμένη ανίχνευση απειλών, οι ειδοποιήσεις σε πραγματικό χρόνο, η καλύτερη λήψη αποφάσεων και η κλιμακώσιμη κοινή χρήση δεδομένων, μπορούν να φέρουν επανάσταση στον τρόπο που προστατεύουμε τα απειλούμενα είδη.

Ως αποτέλεσμα, οι ερευνητές στρέφονται στην AI για να παρακολουθούν τη βιοποικιλότητα και να ενισχύουν τις προσπάθειες βοήθειας στα απειλούμενα είδη. 

Η πιο πρόσφατη μελέτη ερευνητών του Πανεπιστημίου της Φλόριντα έκανε ακριβώς αυτό. Χρησιμοποίησαν AI για να αποκαλύψουν έναν χώρο φωλεοποίησης που κρύβει έως και 41.000 χελώνες στο Αμαζόνιο. Αυτή η αποκάλυψη σηματοδοτεί το μεγαλύτερο γνωστό σημείο φωλεοποίησης χελώνων στον κόσμο, καθιστώντας το δυνατό μέσω έξυπνης μοντελοποίησης και drones.

Η χρήση καινοτόμων τεχνικών σε συνδυασμό με εναέρια απεικόνιση και στατιστική διόρθωση βοήθησε στην εξάλειψη σημαντικών ελλείψεων στις συμβατικές τεχνικές καταμέτρησης και επιτρέπει πιο ακριβή παρακολούθηση της άγριας ζωής.

«Περιγράφουμε έναν νέο τρόπο για πιο αποδοτική παρακολούθηση των πληθυσμών ζώων», δήλωσε ο Ισμαήλ Μπρακ, ο κύριος συγγραφέας της μελέτης και μεταδιδακτορικός ερευνητής στο UF Institute of Food and Agricultural Sciences’ (UF/IFAS) School of Forest, Fisheries, and Geomatics Sciences. «Και αν και η μέθοδος χρησιμοποιείται για τη μέτρηση χελώνων, θα μπορούσε επίσης να εφαρμοστεί σε άλλα είδη.»

Συγκεντρωτική Συμπεριφορά: Κλειδί για Ακριβή Καταμέτρηση της Άγριας Ζωής

Όταν μελετάμε τη δυναμική των πληθυσμών, όπως το πώς τα είδη αυξάνονται, μειώνονται ή μετακινούνται, την κατανόηση των σχέσεων θηρευτή-θιγόμενου και των διαεισπαστικών αλληλεπιδράσεων, καθώς και την ανάλυση των επιπτώσεων της μετατροπής του βιότοπου και της παγκόσμιας κλιματικής αλλαγής, η αφθονία αποτελεί θεμελιώδη μεταβλητή στην οικολογία και τη διατήρηση.

Παρακολουθώντας την με την πάροδο του χρόνου, μπορούμε επίσης να εντοπίζουμε και να προβλέπουμε τάσεις στους πληθυσμούς εισβολικών ή απειλούμενων ειδών.

Ενώ η γνώση του πόσων ειδών υπάρχουν βοηθά στην παρακολούθηση των αλλαγών, στην ταυτοποίηση απειλών και στη μέτρηση της επιτυχίας των προσπαθειών προστασίας ή ελέγχου, η εκτίμηση αυτής της αφθονίας είναι πολύ δύσκολη, ειδικά σε μεγάλες περιοχές όπου τα είδη είναι σπάνια, αόρατα ή διασκορπισμένα. Αυτό καθιστά δύσκολη την ακριβή εύρεση και καταμέτρηση των ειδών.

Μια αποτελεσματική μέθοδος για την ενίσχυση της αποδοτικότητας και της ακρίβειας αυτών των προσπαθειών εκτίμησης και παρακολούθησης της αφθονίας είναι η καταμέτρηση των ζώων κατά τις περιόδους χωρικής συγκέντρωσης.

Αυτό σημαίνει ότι πολλά είδη άγριας ζωής εμφανίζουν εποχικές συμπεριφορές στις οποίες συγκεντρώνονται σε μικρές περιοχές για ανάπαυση, ζευγάρωμα, αναπαραγωγή, φωλεοποίηση και κοινωνική αλληλεπίδραση, παρέχοντας την τέλεια ευκαιρία για καταμέτρηση.Για παράδειγμα, οι χελώνες συγκεντρώνονται για φωλεοποίηση σε παραλίες και αμμοθώματα.

Για τη δειγματοληψία αυτών των χωρικά συγκεντρωμένων πληθυσμών άγριας ζωής, τα drones χρησιμοποιούνται ως αποδοτική και λιγότερο επεμβατική μέθοδος.

Τα drones, επίσης γνωστά ως μη επανδρωμένα εναέρια οχήματα (UAVs) ή απομακρυσμένα πιλότοι αεροσκάφη (RPAs), έχουν αποδείξει ότι είναι πιο ακριβή και ακριβή στην καταμέτρηση ειδών που συγκεντρώνονται σε ένα σημείο. Επίσης προκαλούν λιγότερη διαταραχή στα ζώα σε σύγκριση με τις επίγειες έρευνες.

Για τη χρήση των drones, σχεδιάζονται διαδρομές πτήσης που καλύπτουν ολόκληρη την περιοχή όπου συγκεντρώνονται τα είδη. Διατηρούνται επικαλύψεις μεταξύ διαδοχικών φωτογραφιών και πλευρικών λωρίδων, επιτρέποντας τη συγχώνευση όλων των συλλεγμένων εικόνων σε ένα ενιαίο ορθοορθογώνιο μωσαϊκό.

Ο συνδυασμός πολλών μικρότερων εικόνων με αφαίρεση παραμορφώσεων για τη δημιουργία μιας μεγάλης, υψηλής ανάλυσης, εικόνας ποιότητας χάρτη αποτελεί ορθοορθογώνιο μωσαϊκό.

Η καταμέτρηση ατόμων άγριας ζωής σε ορθομωσαϊκά κατά τη διάρκεια των γεγονότων συγκέντρωσης, ωστόσο, υπόκειται σε ακούσιες σφάλματα, τα οποία μπορούν να οδηγήσουν σε μεροληπτικές εκτιμήσεις.

Αν και είναι μια γρήγορη, λιγότερο επεμβατική και πιο ακριβής μέθοδος καταμέτρησης ζώων σε σχέση με την καταμέτρηση από το έδαφος, αυτή η τεχνική δεν λαμβάνει υπόψη το γεγονός ότι τα ζώα μερικές φορές κινούνται κατά την παρατήρηση.

Για παράδειγμα, ένα ζώο μπορεί να κρύβεται από τη βλάστηση ή απλώς να βρίσκεται προσωρινά αλλού όταν συλλέγεται η εικόνα. Ακόμη και αν το ζώο βρίσκεται στην εικόνα, μπορεί να μην εντοπιστεί από τον αλγόριθμο ή από έναν ανθρώπινο παρατηρητή. Μια άλλη πιθανότητα είναι ότι τα κινούμενα ζώα εμφανίζονται πολλές φορές στις φωτογραφίες.

Ένας σημαντικός παράγοντας εδώ, σύμφωνα με την πιο πρόσφατη μελέτη, είναι ότι αυτές οι συγκεντρώσεις ειδών είναι συνήθως προσωρινές, με άτομα να φθάνουν και να φεύγουν κατά τη διάρκεια ημερών λόγω φωλεοποίησης, αναπαραγωγής ή μετανάστευσης, προκαλώντας διακυμάνσεις στο μέγεθος του πληθυσμού.

Τα προκύπτοντα σφάλματα από αυτή τη «ανοιχτή πληθυσμιακή» κατάσταση μπορούν να μας δώσουν λανθασμένους αριθμούς, με το ανησυχητικό μέρος να είναι ότι «αυτά τα σφάλματα παραβλέπονται ευρέως στις εκτιμήσεις αφθονίας που προέρχονται από καταμετρήσεις ορθομωσαϊκών ερευνών με drones».

Έτσι, οι ερευνητές του Πανεπιστημίου της Φλόριντα ήθελαν να δημιουργήσουν μια προσέγγιση που λαμβάνει υπόψη πολλαπλές πηγές σφάλματος. Για αυτό, χρησιμοποιούν δύο τύπους δεδομένων: επανεμφανίσεις σημειωμένων ζώων και συνολικές καταμετρήσεις πληθυσμού.

Αεροπορική Παρακολούθηση & Έξυπνη Μοντελοποίηση που Επαναπροσδιορίζει τις Εκτιμήσεις Πληθυσμού

Σε συνεργασία με μη κυβερνητικούς ερευνητές του Wildlife Conservation Society (WCS) με έδρα τη Νέα Υόρκη, στην Κολομβία, τη Βραζιλία και το Βολιβία, το έργο ξεκίνησε με εστίαση στις Γιγαντιαίες Νότιες Αμερικανικές Ποταμοί Χελώνες (Podocnemis expansa), επίσης γνωστές ως η γιγαντιαία χελώνα του Αμαζονίου, χελώνα ποταμού ή απλώς η «Arrau».

Δημοσιεύτηκε στο Journal of Applied Ecology, η έρευνα¹ οδήγησε από την ανάγκη εκτίμησης της αφθονίας των ποταμικών χελώνων και την ανάπτυξη πρωτοκόλλου παρακολούθησης κατά τη διάρκεια της μεγαλύτερης γνωστής συγκέντρωσης γλυκών χελώνων στον κόσμο.

Οι ποταμικές χελώνες έχουν υποστεί ιστορικές μειώσεις, είτε εξαφανίζονται από πολλούς παραπόταμους των ποταμών Αμαζονίου και Ορίνουκο είτε εμφανίζονται σε πολύ χαμηλότερες πυκνότητες.

Ο πληθυσμός τους έχει μειωθεί σημαντικά, κυρίως λόγω της υπερεκμετάλλευσής τους από λαθροκυνηγούς για κρέας και αυγά. Ως αποτέλεσμα, οι μεγάλες συγκεντρώσεις τους έχουν πλέον γίνει σπάνιες.

Παρόλα αυτά, υπάρχουν κάποιες μεγάλες πληθυσμιακές ομάδες του είδους σε όλο το εύρος του, και μερικές φαίνεται να ανακάμπτουν, με την εποχική τους συμπεριφορά να παρέχει μια ανεκτίμητη ευκαιρία για παρακολούθηση των πληθυσμών τους.

Χιλιάδες από αυτά τα κοινωνικά πλάσματα συγκεντρώνονται κάθε χρόνο κατά τη διάρκεια της ξηρής περιόδου (Ιούλιος ή Αύγουστος) για φωλεοποίηση σε αμμοθώματα του ποταμού Guaporé, κατά τα σύνορα Βραζιλίας-Βολιβίας.

Για την εκτίμηση των αριθμών τους, προηγουμένως οι ειδικοί βασίζονταν στην καταμέτρηση των νεογνών μόλις εμφανίζονταν, από την οποία εξάγονταν οι αριθμοί των θηλυκών, χρησιμοποιώντας τον μέσο αριθμό αυγών ανά φωλιά. Αυτή είναι μια επεμβατική και χρονοβόρα μέθοδος λόγω του περιφράγματος του περιμετρικού χώρου και της διαχείρισης των νεογνών.

Επιπλέον, δεν είναι δυνατόν να διακριθούν μεμονωμένες φωλιές μεταξύ τους, καθιστώντας το όχι μόνο δύσκολο αλλά και αδύνατο να εκτιμηθούν οι αριθμοί σε περιοχές με σημαντική μαζική φωλεοποίηση.

Υπάρχει ένας άλλος τρόπος, η οπτική καταμέτρηση ενήλικων χελώνων από το έδαφος, αλλά αυτός επίσης παρουσιάζει τις δυσκολίες της συνεχούς κίνησης και του εμποδισμού μεταξύ τους.

Εδώ, τα drones, τα οποία δοκιμάζονται για τη σάρωση των πληθυσμών ποταμικών χελώνων, έχουν δείξει μεγάλη υπόσχεση ως αποδοτική και ακριβής μέθοδος εκτίμησης των πληθυσμιακών τους μεγεθών κατά τις περιόδους φωλεοποίησης, κάτι που είναι σημαντικό για την αξιολόγηση των τάσεων του πληθυσμού και της αποτελεσματικότητας των δράσεων διατήρησης.

Έτσι, οι ερευνητές εφάρμοσαν την προσαρμοσμένη μοντελοποίηση που ανέπτυξαν για να προσδιορίσουν τον πληθυσμό των ποταμικών χελώνων όταν συγκεντρώνονται για φωλεοποίηση.

Λαμβάνοντας υπόψη πολλαπλές πηγές σφαλμάτων, προσφέρει μια νέα μέθοδο για τους οικολογιστές ώστε να παρακολουθούν τα ζώα υπό κίνδυνο με μεγαλύτερη ακρίβεια.

Η νέα προσέγγιση, σύμφωνα με τους ερευνητές, προσφέρει πολλά πλεονεκτήματα, συμπεριλαμβανομένης της αεροφωτογραφίας για την καταμέτρηση των ποταμικών χελώνων χωρίς καμία παρεμπόδιση. Η χρήση μιας λιγότερο επεμβατικής τεχνικής μειώνει επίσης τη διαταραχή των ζώων.

Επιπλέον, η προσέγγιση παρέχει μια ενιαία μέθοδο που μπορεί να εφαρμοστεί και να συγκριθεί μεταξύ διαφορετικών τοποθεσιών και ετών. Δεδομένων αυτών των πλεονεκτημάτων, οι ερευνητές αναμένουν να δουν ένα παρόμοιο πρωτόκολλο να χρησιμοποιείται από κυβερνητικούς και μη κυβερνητικούς οργανισμούς για την παρακολούθηση του είδους.

Κάντε κλικ εδώ για να μάθετε γιατί η τεχνολογία των drones προσφέρει ουράνιο δυναμικό παρά τις συχνές καταχρήσεις.

Ένα Έξυπνο, Κλιμακώσιμο, Διορθωμένο Σφάλματα Μοντέλο για την Παρακολούθηση της Παγκόσμιας Άγριας Ζωής

Για να μετρήσουν τις χελώνες, οι ερευνητές σημείωσαν τα καβούκια 1.187 ποταμικών χελώνων με λευκό χρώμα, και σε περίοδο δώδεκα ημερών, πέταξαν ένα drone πάνω από το χώρο, ακολουθώντας ακριβή διαδρομή, μπρος-πίσω, τέσσερις φορές την ημέρα.

Το drone τράβηξε 1.500 φωτογραφίες κάθε φορά, οι οποίες συνδέθηκαν με λογισμικό. Οι ερευνητές στη συνέχεια εξέτασαν τις σύνθετες εικόνες. Κάθε χελώνα καταγράφηκε μαζί με το αν το καβούκι της ήταν σημειωμένο και αν το ζώο περπατούσε ή φωλεοποιούταν όταν φωτογραφίστηκε.

Χρησιμοποιώντας αυτά τα δεδομένα, ανέπτυξαν μοντέλα πιθανότητας που λαμβάνουν υπόψη πολλαπλές πηγές σφάλματος. Χρησιμοποίησαν δεδομένα σήμανσης-επανεμφάνισης και συνολικές καταμετρήσεις πληθυσμού για να λογαριάσουν άτομα που δεν ήταν διαθέσιμα για ανίχνευση κατά την πτήση, ανοιχτό πληθυσμό (συνεχής άφιξη και αναχώρηση) κατά τη διάρκεια της φωλεοποίησης, σημειωμένα άτομα που εντοπίζονται στο μωσαϊκό με μη αναγνωρίσιμα σημάδια, και διπλές καταμετρήσεις λόγω της διαδικασίας δημιουργίας του ορθομωσαϊκού.

Έτσι, η ομάδα εκτιμά ότι η καθημερινή πιθανότητα φωλεοποίησης είναι 0,37 και ότι το 35 % των ποταμικών χελώνων που χρησιμοποίησαν το αμμοθώμα τη νύχτα είναι επίσης παρόντες κατά την πρωινή πτήση του drone.

Επιπλέον, διαπίστωσαν ότι το 20 % των χελώνων που περπατούν στο ορθομωσαϊκό είναι διπλές καταμετρήσεις, και η πιθανότητα αναγνώρισης του σημείου ήταν 0,78. Με αυτόν τον τρόπο, η νέα προσέγγιση παρέχει πιο ακριβή μέθοδο καταμέτρησης της άγριας ζωής με τη χρήση drones.

Κατά την καταμέτρηση των χελώνων, οι παρατηρητές στο έδαφος ανέφεραν περίπου 16.000 χελώνες, ενώ οι ερευνητές που εξέτασαν τα ορθομωσαϊκά χωρίς λογαριασμό σφαλμάτων μετρήσαν περίπου 79.000 χελώνες.

Αλλά χρησιμοποιώντας την τεχνική, οι ερευνητές εκτιμούν τη συνολική αφθονία του σημείου συγκέντρωσης σε 41.377 χελώνες. Σύμφωνα με τον Μπρακ:

«Αυτοί οι αριθμοί διαφέρουν πολύ, και αυτό αποτελεί πρόβλημα για τους συντηρητές. Αν οι επιστήμονες δεν μπορούν να καθορίσουν ακριβή αριθμό ατόμων ενός είδους, πώς θα ξέρουν αν ο πληθυσμός μειώνεται ή αν οι προσπάθειες προστασίας είναι επιτυχείς;»

Ενώ οι εκτιμήσεις αντιπροσωπεύουν μεγάλο αριθμό ποταμικών χελώνων, οι ερευνητές σημειώνουν ότι πιθανότατα αντιπροσωπεύουν ένα κλάσμα των ιστορικών πληθυσμών τους στην περιοχή του Αμαζονίου, βάσει ιστορικών αρχείων εξαγόμενων αυγών. Επιπλέον, η εκδήλωση φωλεοποίησης συνέχισε για μερικές ημέρες μετά την τελευταία πτήση του drone.

Ως εκ τούτου, η μελέτη συνιστά την επέκταση της χρήσης του εργαλείου παρακολούθησης καθ’ όλη τη διάρκεια της περιόδου φωλεοποίησης. Επίσης, θα πρέπει να συμπεριληφθούν άλλα αμμοθώματα στην περιοχή για μια ολοκληρωμένη εκτίμηση του πληθυσμού φωλεοποίησης.

Σε σχέση με αυτό, η ερευνητική ομάδα σχεδιάζει περισσότερες πτήσεις drone στον χώρο φωλεοποίησης του ποταμού Guaporé καθώς και σε άλλες χώρες της Νότιας Αμερικής όπου συγκεντρώνονται οι ποταμικές χελώνες, όπως η Κολομβία, και πιθανώς η Βενεζουέλα και το Περού. Αυτό θα βοηθήσει την ομάδα να βελτιώσει τις μεθόδους παρακολούθησής της.

«Συνδυάζοντας πληροφορίες από πολλαπλές έρευνες, μπορούμε να εντοπίσουμε τάσεις πληθυσμού, και η Wildlife Conservation Society θα ξέρει πού να επενδύσει σε δράσεις διατήρησης.»

– Brack

Ενώ το πλαίσιο που αναπτύχθηκε αρχικά προήλθε από την ανάγκη βελτίωσης της παρακολούθησης των ποταμικών χελώνων, οι ερευνητές σημειώνουν ότι είναι «πολύ ευέλικτο και μπορεί να χρησιμοποιηθεί ή να προσαρμοστεί άμεσα σε διάφορα διαφορετικά πλαίσια».

Εκτός των ποταμικών χελώνων, η αναπτυγμένη μεθοδολογία μπορεί επίσης να εφαρμοστεί και να προσαρμοστεί στις προσπάθειες διατήρησης άλλων απειλούμενων ειδών που ερευνώνται με drone‑βασισμένα ορθομωσαϊκά.

Για παράδειγμα, προηγούμενες μελέτες παρακολούθησης με drones έκοψαν τη γούνα των φώκιας, σημείωσαν τα βουνά κατσίκες και τα βίσινους με σφαίρες χρωστικών, και τοποθέτησαν κολάρα σε ελάφια για την παρακολούθηση της κίνησής τους κατά τις καταμετρήσεις.

Τελικά, το νέο μοντέλο μπορεί να χρησιμοποιηθεί για την αποδοτική και έγκαιρη παρακολούθηση της αφθονίας σε προγράμματα διατήρησης και διαχείρισης της άγριας ζωής.

Επένδυση στην Τεχνολογία Διατήρησης

Η αγαπημένη της AI εταιρεία NVIDIA Corporation (NVDA ) παίζει μεγάλο ρόλο στην εξοικονόμηση ζώων και του πλανήτη μας. 

Οι GPU της τροφοδοτούν πολλά από τα μοντέλα βαθιάς μάθησης που χρησιμοποιούνται στην αναγνώριση εικόνας, την ανίχνευση αντικειμένων και το λογισμικό περιβαλλοντικής παρακολούθησης. Η εταιρεία προωθεί ακόμη τη χρήση της AI για το παγκόσμιο καλό, συμπεριλαμβανομένης της έρευνας βιοποικιλότητας.

NVIDIA Corporation (NVDA )

Τώρα, μεταξύ των εταιρειών που χρησιμοποιούν την τεχνολογία της Nvidia, το ερευνητικό ίδρυμα AI Ai2 έχει αναπτύξει το EarthRanger για να λαμβάνει πιο ενημερωμένες επιχειρησιακές αποφάσεις για τη διατήρηση της άγριας ζωής σε πραγματικό χρόνο. Η μεγαλύτερη βάση δεδομένων ελεφάντων του κόσμου εκπαιδεύεται σε GPU NVIDIA Hopper. Επίσης εμφανίζει δεδομένα για μεγάλο αριθμό άγριας ζωής, συγκεντρωμένα από ραδιοφωνικούς σταθμούς, δορυφόρους, παγίδες‑κάμερες, ακουστικούς αισθητήρες και άλλες πηγές δεδομένων.

Η Ai2 πρόσφατα κυκλοφόρησε επίσης ένα ανοιχτού κώδικα μοντέλο AI με όνομα Atlantes για την ανάλυση περισσότερων από πέντε δισεκατομμύρια σήματα GPS την ημέρα που εκπέμπουν σχεδόν 600.000 πλοία ανοικτής θάλασσας και προβλέπει τι κάνει οποιοδήποτε από αυτά τα πλοία με περίπου 80 % ακρίβεια. Αν ένα πλοίο ασχολείται με παράνομη αλιεία, το μοντέλο στέλνει ειδοποιήσεις στις ακτοφυλακές. Το μοντέλο 4,7 M παραμέτρων βασισμένο σε μετασχηματιστές, Atlantes, εκπαιδεύεται σε GPU NVIDIA H100 Tensor Core και PyTorch.

Τα AI‑βασισμένα RhinoWatches της Rouxcel Technology εκπαιδεύονται και βελτιστοποιούνται με επιταχυμένη υπολογιστική της Nvidia. Εγκαθίστανται σε πάνω από 40 αποθέματα στη Νότια Αφρική και επεκτείνονται στην Κένυα και τη Ναμίμπια. Η εταιρεία αναπτύσσει επί του παρόντος μοντέλα AI για περισσότερα είδη, συμπεριλαμβανομένων των κρίσιμα απειλούμενων παγγολίνων.

Τα μοντέλα NVIDIA CUDA και Jetson, εν τω μεταξύ, χρησιμοποιούνται για edge AI και επεξεργασία δεδομένων από την OroraTech, η οποία συνδυάζει δεδομένα από δορυφόρους, κάμερες, εναέρια παρατηρήσεις και τοπικές καιρικές πληροφορίες για την παρακολούθηση λαθροκυνηγιού ζώων και δασικών πυρκαγιών και παρέχει ειδοποιήσεις σε πραγματικό χρόνο.

Αλλά αυτό δεν είναι το μόνο. Με τα χρόνια, η τεχνολογία Nvidia έχει χρησιμοποιηθεί για πολλά άλλα ενδιαφέροντα πειράματα, συμπεριλαμβανομένης της αποαπάλειψης ειδών. Για παράδειγμα, η Colossal Biosciences χρησιμοποιεί τεχνολογία γονιδιακής επεξεργασίας, μοντέλα AI και το λογισμικό NVIDIA Parabricks για να επαναφέρει το πουλί ντόντο, το μαλλωπό μαμούθ και τη δασική τίγρη της Τασμανίας.

Εκτός της άγριας ζωής, η τεχνολογία Nvidia βοηθά επιστήμονες, ερευνητές και προγραμματιστές να κατανοήσουν καλύτερα το κλίμα, τους ωκεανούς και το διάστημα.

Με κεφαλαιοποίηση αγοράς 4,39 τρισεκατομμυρίων δολαρίων, οι μετοχές της εταιρείας υπολογιστικής υποδομής πλήρους στοίβας διαπραγματεύονται αυτή τη στιγμή στα 180,95 $, με άνοδο πάνω από 34 % ετησίως.

Η τιμή της μετοχής της εταιρείας έχει αυξηθεί περισσότερο από 59 % τους τελευταίους τρεις μήνες. Μόνο την τελευταία ημέρα του Ιουλίου, η μετοχή έφτασε στο υψηλό 52‑εβδομάδων των 183,30 $, δείχνοντας συνεχή ισχυρή εμπιστοσύνη των επενδυτών στην εταιρεία και τις μελλοντικές της προοπτικές.

Με αυτά, έχει EPS (TTM) 3,10 και P/E (TTM) 57,98, ενώ το προσφερόμενο ποσοστό μερίσματος είναι 0,02 %.

Για το πρώτο τρίμηνο που έληξε στις 27 Απριλίου 2025, η Nvidia ανέφερε έσοδα 44,1 δισεκατομμύρια δολάρια. Ο κύριος οδηγός είναι τα κέντρα δεδομένων, που αντιπροσωπεύουν 39,1 δισεκατομμύρια δολάρια των εσόδων, δηλαδή το 89 % των συνολικών πωλήσεων της εταιρείας. Αυτό τροφοδοτήθηκε από τη ραγδαία ζήτηση για AI.

Αυτή η ανάπτυξη συνέβη παρά τις γεωπολιτικές δυσκολίες που αντιμετωπίζει η Nvidia με περιορισμούς εξαγωγών στα chips H20 στην Κίνα. Τα chips αυτά πιθανότατα θα επιστρέψουν στην Κίνα με τη διοίκηση Trump να διαβεβαιώνει την εταιρεία ότι θα επιτραπεί η συνέχιση των πωλήσεων. Η Nvidia επίσης ανακοίνωσε ένα νέο «πλήρως συμβατό» GPU για την Κίνα.

Ωστόσο, η Nvidia ενδέχεται ακόμη να δυσκολευτεί να επανακτήσει το προηγούμενο μερίδιο αγοράς της, με την Bernstein να προβλέπει ότι το μερίδιο αγοράς των AI chips της Nvidia στην Κίνα θα μειωθεί από 66 % πέρυσι σε 54 % φέτος.

Τελευταία Νέα και Ανάπτυξη Μετοχών της NVIDIA Corporation (NVDA)

Συμπέρασμα

Για τη διατήρηση ενός υγιούς και σταθερού πλανήτη, είναι κρίσιμο να σώσουμε τα απειλούμενα είδη, καθώς η απώλειά τους μπορεί να προκαλέσει αλυσιδωτές επιδράσεις, επηρεάζοντας ολόκληρο το ιστό της ζωής. Και καθώς οι απειλές εξαφάνισης επιταχύνουν, είναι πιο σημαντικό από ποτέ να εφαρμόσουμε αποτελεσματική παρακολούθηση.

Εδώ, η ενσωμάτωση των drones και των έξυπνων τεχνικών μοντελοποίησης σηματοδοτεί μια σημαντική αλλαγή. Βελτιώνοντας την ακρίβεια και την αποδοτικότητα της παρακολούθησης ειδών, αυτές οι τεχνολογικές καινοτομίες μας επιτρέπουν να δράσουμε πιο γρήγορα, πιο έξυπνα και πιο στρατηγικά για την προστασία της πιο ευάλωτης άγριας ζωής του πλανήτη.

Κάντε κλικ εδώ για μια λίστα με τις κορυφαίες εταιρείες drones για επένδυση.

Αναφορές:

1. Brack, I.V., Valle, D., Ferrara, C., Torrico, O., Domic‑Rivadeneira, E., & Forero‑Medina, G. Εκτίμηση αφθονίας συγκεντρωμένων πληθυσμών με drones λαμβάνοντας υπόψη πολλαπλές πηγές σφαλμάτων: Μια μελέτη περίπτωσης για τη μαζική φωλεοποίηση των Γιγαντιαίων Νότιων Αμερικανικών Ποταμικών Χελώνων. Journal of Applied Ecology, πρώτη δημοσίευση 17 Ιουνίου 2025. https://doi.org/10.1111/1365-2664.70081