Droonit ja tekoäly kirjoittavat uudelleen villieläinten selviytymisen ja hallinnan

Tekoälyn (AI) voimaa hyödynnetään yhä enemmän uhanalaisten lajien suojelemiseksi.

Samaa teknologiaa, jonka monet pelkäävät jonain päivänä aiheuttavan työpaikkojen menetyksen tai jopa uhkaavan ihmiskuntaa, käytetään nyt eläinten pelastamiseen. Tekoäly puolustaa uhanalaisia lajeja ympäri maailmaa monin eri tavoin, mukaan lukien liikkumismallien ja veden menetyksen seuraaminen kosteikoilla ja joilla, salametsästyksen vastaisten toimien tehostaminen, edistyneiden varoitusjärjestelmien kehittäminen ja lajien laskeminen luokittelu- ja valvontatekniikoiden avulla.

Kaikkien näiden ponnistelujen avulla tekoäly on auttanut pelastamaan väheneviä väestöjä norsuja, kala, pangolins, Rhinos, punaiset sudet, Floridan pantterit, Ja paljon muuta.

Tekoäly pystyy löytämään, tunnistamaan ja suojelemaan haavoittuvia lajeja analysoimalla valtavia määriä dataa, havaitsemalla trendejä ja seuraamalla ekosysteemejä ajan kuluessa. Toisin kuin perinteiset menetelmät, jotka häiritsevät ekosysteemejä ja vaativat huomattavasti aikaa, työvoimaa ja resursseja, tekoäly tekee kaiken nopeasti ja tehokkaasti.

Jopa miljoonan lajin ollessa sukupuuton partaalla ja luonnon monimuotoisuuden vähentyessä hälyttävää vauhtia, tekoäly tarjoaa tehokkaita työkaluja luonnonsuojelutoimien tukemiseen. Sen edut, kuten lisääntynyt tehokkuus, nopeampi tiedonkäsittely, automatisoitu villieläinten seuranta, parannettu uhkien havaitseminen, reaaliaikaiset hälytykset, parempi päätöksenteko ja skaalautuva tiedon jakaminen, voivat auttaa mullistamaan uhanalaisten lajien suojelun.

Tämän seurauksena tutkijat kääntyvät tekoälyn puoleen seuratakseen luonnon monimuotoisuutta ja vahvistaakseen toimia uhanalaisten lajien auttamiseksi. 

Floridan yliopiston tutkijoiden uusin tutkimus on tehnyt juuri niin. He ovat käyttäneet tekoälyä paljastaakseen Amazonin sademetsästä pesimäpaikan, jossa asuu jopa 41,000 XNUMX kilpikonnaa. Tämä paljastus on maailman suurin tunnettu kilpikonnan pesimäpaikka, jonka löytäminen on mahdollista älykkään mallinnuksen ja dronejen avulla.

Innovatiivisten tekniikoiden käyttö yhdessä ilmakuvien ja tilastollisen korjauksen kanssa on auttanut selvittämään perinteisten laskentatekniikoiden merkittäviä puutteita ja mahdollistanut villieläinten tarkemman seurannan.

”Kuvaamme uuden tavan seurata eläinpopulaatioita tehokkaammin”, sanoo Ismael Brack, tutkimuksen pääkirjoittaja ja post doc -tutkija UF:n elintarvike- ja maataloustieteiden instituutin (UF/IFAS) metsä-, kalatalous- ja geomatiikan tiedekunnassa. ”Vaikka menetelmää käytetään kilpikonnien laskemiseen, sitä voitaisiin soveltaa myös muihin lajeihin.”

Kausittaisten tietojen yhdistäminen: avain tarkkaan villieläinten laskentaan

Kun on kyse populaatiodynamiikan tutkimisesta, kuten lajien kasvusta, kutistumisesta tai liikkumisesta, petoeläin-saalissuhteiden ja lajien välisten vuorovaikutusten ymmärtämisestä sekä elinympäristöjen muuttumisen ja globaalin ilmastonmuutoksen vaikutusten analysoinnista, runsaus on perustavanlaatuinen muuttuja ekologiassa ja luonnonsuojelussa.

Seuraamalla sitä ajan kuluessa voimme myös havaita ja ennustaa vieraslajien tai uhanalaisten lajien populaatioiden trendejä.

Vaikka lajien lukumäärän tunteminen auttaa muutosten seuraamisessa, uhkien tunnistamisessa ja suojelu- tai torjuntatoimien onnistumisen mittaamisessa, niiden määrän arvioiminen on erittäin vaikeaa, erityisesti laajoilla alueilla, joilla lajit ovat harvinaisia, vaikeasti tavoitettavia tai laajalle levinneitä. Tämän vuoksi lajien tarkka löytäminen ja laskeminen on vaikeaa.

Tehokas tapa parantaa näiden runsauden arviointi- ja seurantatoimien tehokkuutta ja tarkkuutta on laskea eläimiä alueellisen aggregaation aikana.

Tämä tarkoittaa, että useat villieläinlajit käyttäytyvät kausiluonteisesti keskittyen pienille alueille lepäämään, parittelemaan, lisääntymään, pesimään ja olemaan sosiaalisesti vuorovaikutuksessa, mikä tarjoaa täydellisen tilaisuuden niiden laskemiseen. Esimerkiksi kilpikonnat kokoontuvat pesimään rannoille ja hiekkasärkille.

Näiden alueellisesti aggregoituneiden villieläinpopulaatioiden näytteenottoon käytetään droneja tehokkaana ja vähemmän invasiivisena menetelmänä.

Droonit, jotka tunnetaan myös miehittämättöminä ilma-aluksina (UAV) tai kauko-ohjattavina ilma-aluksina (RPA), ovat osoittautuneet tarkemmiksi ja täsmällisemmiksi yhteen paikkaan kerääntyneiden lajien laskemisessa. Ne myös aiheuttavat vähemmän häiriötä eläimille verrattuna maanpäällisiin tutkimuksiin.

Droonien käyttöä varten lentoreitit suunnitellaan kattamaan koko alue, jolta lajit kerätään. Peräkkäisten valokuvien ja sivuttaisten kaistojen välillä ylläpidetään päällekkäisyyksiä, jolloin kaikki kerätyt kuvat voidaan yhdistää yhdeksi ortorektifioiduksi mosaiikiksi.

Useiden pienempien kuvien yhdistäminen vääristymät poistettuina suureksi, erittäin yksityiskohtaiseksi, korkean resoluution ja karttalaatuiseksi kuvaksi tuottaa ortorektifioidun mosaiikin.

Luonnonvaraisten yksilöiden laskeminen ortomosaiikeissa aggregaatiotapahtumien aikana on kuitenkin alttiina tahattomille virheille, jotka voivat johtaa harhaisiin arvioihin.

Vaikka se on nopea, vähemmän invasiivinen ja tarkempi tapa laskea eläimiä kuin maasta käsin laskeminen, tämä tekniikka ei ota huomioon sitä tosiasiaa, että eläimet joskus liikkuvat havainnoinnin aikana.

Esimerkiksi eläin voi olla kasvillisuuden piilossa tai yksinkertaisesti tilapäisesti jossain muualla kuvan ottamisen aikana. Vaikka eläin olisi kuvassa, algoritmi tai ihmistarkkailija ei välttämättä havaitse sitä. Toinen mahdollisuus on, että liikkuvia eläimiä esiintyy useita kertoja valokuvissa.

Tärkeä tekijä tässä on uusimman tutkimuksen mukaan se, että nämä lajien keskittymät ovat yleensä väliaikaisia, ja yksilöt saapuvat ja lähtevät päivien kuluessa pesinnän, lisääntymisen tai muuton vuoksi, mikä aiheuttaa populaation koon vaihteluita.

Tästä "avoimesta populaatiosta" johtuvat virheet voivat antaa meille vääriä lukuja, ja huolestuttavaa on se, että "nämä virheet jätetään laajalti huomiotta drone-pohjaisten tutkimusten ortomosaiikkilaskennoista johdetuissa runsausarvioissa".

Floridan yliopiston tutkijat halusivat siis luoda lähestymistavan, joka ottaa huomioon useita virhelähteitä. Tätä varten he käyttävät kahdenlaisia tietojoukkoja: merkittyjen eläinten uudelleenmäärityksiä ja kokonaispopulaatioiden laskentoja.

Ilmavalvonta ja älykäs mallinnus mullistavat populaatioarviot

Yhteistyössä New Yorkissa toimivan Wildlife Conservation Societyn (WCS) kansalaisjärjestöjen tutkijoiden kanssa Kolumbiassa, Brasiliassa ja Boliviassa projekti alkoi keskittyen jättiläismäisiin eteläamerikkalaisiin jokikilpikonniin (Podocnemis expansa), joita kutsutaan myös jättiläismäisiksi Amazonin jokikilpikonniksi, jokikilpikonnaksi tai yksinkertaisesti ... Arrau.

Julkaistu Journal of Applied Ecology -lehdessä tutkimus¹ johtui tarpeesta arvioida jokikilpikonnien runsautta ja laatia niille seurantaprotokolla maailman tunnetun suurimman makean veden kilpikonnien kokoontumisen aikana. 

Jokikilpikonnat ovat kokeneet historiallista vähenemistä, joko kadonneet monista Amazonin ja Orinoco-joen sivujoista tai esiintyneet paljon pienemminä tiheyksinä.

Niiden populaatio on vähentynyt huomattavasti, pääasiassa salametsästäjien liikakalastuksen vuoksi lihan ja munien kulutukseen. Tämän seurauksena niiden suuret yhdyskunnat ovat nykyään harvinaisia.

Silti tällä lajilla on joitakin suuria populaatioita koko sen levinneisyysalueella, ja jotkut niistä näyttävät toipuvan, ja niiden kausiluonteinen käyttäytyminen tarjoaa arvokkaan tilaisuuden seurata niiden populaatioita. 

Tuhannet näistä sosiaalisista olennoista kokoontuvat joka vuosi kuivana kautena (heinä- tai elokuussa) pesimään Guaporé-joen hiekkasärkille Brasilian ja Bolivian rajalle. 

Aiemmin asiantuntijat laskivat poikaset niiden kuoriuduttua ja arvioivat niiden lukumäärän laskemisen perusteella, minkä perusteella naaraiden lukumäärä ekstrapoloitiin käyttämällä pesäkohtaista keskimääräistä munien lukumäärää. Tämä on invasiivinen ja aikaa vievä menetelmä, koska pesän reunat on aitattava ja poikasia on käsiteltävä. 

Yksittäisiä pesiä ei myöskään voida erottaa toisistaan, mikä tekee lukumäärän arvioimisesta paitsi haastavaa myös mahdotonta alueilla, joilla pesii paljon massaa.

On olemassa toinenkin tapa, aikuisten kilpikonnien visuaalinen laskenta maasta käsin, mutta tässäkin on mukana jatkuvan liikkumisen ja toistensa esteiden aiheuttamat vaikeudet.

Täällä on testattu jokikilpikonnapopulaatioiden kartoittamiseen tarkoitettuja droneja osoittaa suurta lupausta tehokkaana ja tarkkana menetelmänä niiden populaatiokoon arvioimiseksi pesimätapahtumien aikana, mikä on tärkeää populaatiokehityksen ja suojelutoimien tehokkuuden arvioimiseksi.

Niinpä tutkijat sovelsivat kehittämäänsä mallinnusmenetelmää jokikilpikonnien populaation määrittämiseen, kun ne kokoontuvat pesimään. 

Ottamalla huomioon useita virhelähteitä, se tarjoaa ekologeille uuden menetelmän riskialttiiden eläinten seurantaan tarkemmin.

Tutkijoiden mukaan uusi lähestymistapa tarjoaa useita etuja, kuten ilmakuvan, jonka avulla jokikilpikonnat voidaan laskea esteettä. Vähemmän invasiivisen tekniikan käyttö vähentää myös eläinten häirintää. 

Lisäksi lähestymistapa tarjoaa yhdenmukaisen lähestymistavan, jota voidaan soveltaa ja vertailla eri paikoissa ja eri vuosina. Näiden etujen vuoksi tutkijat odottavat näkevänsä heidän käyttämänsä kaltaista protokollaa käytössä sekä valtiollisissa että kansalaisjärjestöissä lajin seurannassa.

Klikkaa tästä ja lue lisää siitä, miksi drone-teknologialla on valtava potentiaali huolimatta usein toistuvasta väärinkäytöstä.

Älykäs, skaalautuva ja virhekorjattu malli maailmanlaajuisen luonnonvaraisten eläinten seurantaan

Kilpikonnien laskemiseksi tutkijat merkitsivät 1,187 XNUMX jokikilpikonnan kuoret valkoisella maalilla ja lennättivät dronea niiden yläpuolella kahdentoista päivän ajan neljä kertaa päivässä tarkkaa reittiä pitkin edestakaisin.

Drooni otti joka kerta 1,500 XNUMX kuvaa, jotka yhdistettiin ohjelmiston avulla. Tutkijat tarkastelivat sitten yhdistelmäkuvia. He tallennivat jokaisen kilpikonnan sekä sen kilpen merkinnät ja kävelikö vai pesikö eläin kuvaushetkellä. 

Näiden tietojen avulla he kehittivät todennäköisyysmalleja, jotka ottavat huomioon useita virhelähteitä. Se käytti merkkien uudelleenhavaintotietoja ja kokonaispopulaatiomääriä ottaakseen huomioon lennon aikana havaitsemattomien yksilöiden, pesimätapahtuman aikana avoimen populaation (jatkuva liittyminen ja poistuminen), mosaiikissa havaittujen tunnistamattomilla merkinnöillä merkittyjen yksilöiden ja ortomosaiikin rakennusprosessin aiheuttaman kaksinkertaisen laskennan.

Näin ollen tiimi arvioi, että päivittäinen pesimätodennäköisyys on 0.37 ja että 35 % jokikilpikonnista, jotka käyttivät hiekkasärkkää yöllä, on läsnä myös dronin aamulennon aikana. 

Lisäksi he havaitsivat, että 20 % ortomosaiikissa kävelevistä kilpikonnista on laskettu kahdesti, ja merkin tunnistamisen todennäköisyys oli 0.78. Tällä tavoin uusi lähestymistapa tarjoaa tarkemman tavan laskea villieläimiä dronejen avulla.

Kilpikonnia laskettaessa maan päällä olevat tarkkailijat raportoivat noin 16,000 79,000 kilpikonnaa, kun taas tutkijat, jotka tarkastelivat ortomosaiikkeja virheitä ottamatta huomioon, laskivat noin XNUMX XNUMX kilpikonnaa.

Mutta tekniikan avulla tutkijat arvioivat, että kerääntymisalueella on yhteensä 41,377 XNUMX kilpikonnaa. Brackin mukaan:

”Nämä luvut vaihtelevat suuresti, ja se on ongelma luonnonsuojelijoille. Jos tiedemiehet eivät pysty määrittämään tarkkaa yksilömäärää lajin yksilöistä, miten he tietävät, onko populaatio laskussa vai onnistuvatko suojelemistoimet?”

Vaikka arviot edustavat suurta määrää jokikilpikonnia, tutkijat huomauttavat, että se on todennäköisesti vain murto-osa niiden historiallisista populaatioista Amazonin alueella, mikä perustuu vietyjen munien historiallisiin tietoihin. Puhumattakaan siitä, että pesimätapahtuma jatkui vielä useita päiviä viimeisen droonilennon jälkeen.

Tästä syystä tutkimuksessa suositellaan seurantatyökalun käytön laajentamista koko pesimäkauden ajaksi. Myös alueen muut hiekkasärkät tulisi ottaa mukaan pesimäpopulaation kattavan arvioinnin mahdollistamiseksi.

Tämän vuoksi tutkimusryhmä suunnittelee lisäävän drone-lentoja Guaporé-joen pesimäalueella sekä muissa Etelä-Amerikan maissa, joissa jokikilpikonnat kokoontuvat, kuten Kolumbiassa ja mahdollisesti Venezuelassa ja Perussa. Tämä auttaa ryhmää parantamaan seurantamenetelmiään.

"Yhdistämällä tietoja useista tutkimuksista voimme havaita populaatioiden kehityssuuntia, ja Wildlife Conservation Society tietää, mihin suojelutoimiin kannattaa investoida."

– Brack

Vaikka kehitetty viitekehys alun perin perustui tarpeeseen parantaa jokikilpikonnien seurantaa, tutkijat totesivat, että se on "erittäin monipuolinen ja sitä voidaan helposti käyttää tai mukauttaa useisiin eri konteksteihin".

Kehitettyä menetelmää voidaan jokikilpikonnien lisäksi soveltaa ja mukauttaa myös muiden uhanalaisten lajien suojelutoimiin, joita kartoitetaan drone-pohjaisilla ortomosaiikeilla.

Esimerkiksi aiemmissa drone-seurantatutkimuksissa on leikattu hylkeiden turkkeja, merkitty vuorikauriita ja biisoneita paintball-kuuleilla ja kiinnitetty hirveihin kauluksia niiden liikkeiden seuraamiseksi laskennan aikana.

Viime kädessä uutta mallia voidaan käyttää luonnonsuojelu- ja hoito-ohjelmien runsauden tehokkaaseen ja oikea-aikaiseen seurantaan.

Investoiminen luonnonsuojeluteknologiaan

Tekoälyn kulta NVIDIA Corporation (NVDA ) on merkittävässä roolissa eläinten ja planeettamme pelastamisessa. 

Sen GPU:t tukevat monia syväoppimismalleja, joita käytetään kuvantunnistuksessa, kohteiden havaitsemisessa ja ympäristön seurantaohjelmistoissa. Yritys jopa edistää tekoälyn käyttöä globaalisti, mukaan lukien biodiversiteettitutkimus.

NVIDIA Corporation (NVDA )

Nyt Nvidian teknologiaa käyttävien yritysten joukossa tekoälytutkimuslaitos Ai2 on kehittänyt EarthRangerin, jonka avulla voidaan tehdä tietoisempia operatiivisia päätöksiä villieläinten suojelusta reaaliajassa. Maailman suurin norsutietokanta on koulutettu NVIDIA Hopper -grafiikkasuorittimilla. Se näyttää myös tietoja suuresta määrästä villieläimiä, jotka on koottu radioista, satelliiteista, kameraloukkuista, akustisista sensoreista ja muista tietolähteistä. 

Ai2 julkaisi hiljattain myös avoimen lähdekoodin tekoälymallin nimeltä Atlantes, joka analysoi yli viisi miljardia GPS-signaalia päivässä lähes 600,000 80 valtamerialuksesta ja ennustaa noin 4.7 prosentin tarkkuudella, mitä kukin näistä aluksista tekee. Jos alus harjoittaa laitonta kalastusta, malli lähettää hälytyksiä rannikkovartiostolle. 100 miljoonan parametrin muuntajapohjainen malli Atlantes on koulutettu NVIDIA HXNUMX Tensor Core -näytönohjaimilla ja PyTorch-ohjelmistolla.

Rouxcel Technologyn tekoälypohjaiset RhinoWatche-kellot koulutetaan ja optimoidaan NVIDIAn kiihdytetyllä laskennalla. Ne ovat käytössä yli 40 eteläafrikkalaisella suojelualueella, ja niitä laajennetaan Keniassa ja Namibiassa. Yritys kehittää parhaillaan tekoälymalleja useammille lajeille, mukaan lukien äärimmäisen uhanalaisille muuraiskarhuille.

Samaan aikaan OroraTech käyttää NVIDIA CUDA- ja Jetson-moduuleja reunalaskennan tekoälyyn ja tiedonkäsittelyyn yhdistämällä satelliittien, kameroiden, ilmahavaintojen ja paikallisten säätietojen tietoja eläinten salametsästyksen ja metsäpalojen seuraamiseksi ja reaaliaikaisten hälytysten antamiseksi.

Mutta siinä ei ole kaikki. Vuosien varrella Nvidian teknologiaa on käytetty moniin muihin mielenkiintoisiin kokeisiin, mukaan lukien sukupuuttojen tuhoamiseen. Esimerkiksi Colossal Biosciences on ollut käyttämällä geenimuokkausteknologiaa, tekoälymalleja ja NVIDIA Parabricks -ohjelmistopakettia tuoda takaisin dodolinnun, villamammutin ja Tasmanian tiikerin.

Villieläinten lisäksi Nvidian teknologia auttaa tiedemiehiä, tutkijoita ja kehittäjiä ymmärtämään paremmin ilmastoa, valtameriä ja avaruutta.  

Täyden pinon laskentainfrastruktuuriyrityksen markkina-arvo on 4.39 biljoonaa dollaria, ja sen osakkeet käyvät tällä hetkellä kauppaa 180.95 dollarilla, mikä on yli 34 % nousua vuoden alusta. 

Yhtiön osakekurssi on noussut yli 59 % viimeisen kolmen kuukauden aikana. Juuri heinäkuun viimeisenä päivänä osake saavutti 52 viikon huippunsa 183.30 dollarissa, mikä osoittaa sijoittajien luottamuksen yhtiöön ja sen tulevaisuudennäkymiin jatkuvan vahvana.

Sen osakekohtainen tulos (TTM) on 3.10 ja P/E (TTM) 57.98, kun taas osinkotuotto on 0.02 %.

Nvidia raportoi 27 miljardin dollarin liikevaihdon ensimmäisellä neljänneksellä, joka päättyi 2025. huhtikuuta 44.1. Liikevaihdon pääveturi ovat datakeskukset, joiden osuus liikevaihdosta on 39.1 miljardia dollaria eli peräti 89 % yrityksen kokonaismyynnistä. Tätä vauhditti tekoälyn räjähdysmäinen kysyntä.

Tämä kasvu on tapahtunut huolimatta geopoliittisista takaiskuista, jotka liittyvät sen H20-sirujen vientirajoituksiin Kiinassa. Nämä sirut todennäköisesti palaavat Kiinaan, ja Trumpin hallinto on vakuuttanut yhtiölle, että sen sallitaan jatkaa myyntiä. Nvidia myös ilmoitti uusi "täysin yhteensopiva" näytönohjain Kiinalle.

Nvidialla saattaa kuitenkin olla vaikeuksia saada takaisin aiempaa markkinaosuuttaan, sillä Bernstein ennustaa Nvidian tekoälysirujen markkinaosuuden Kiinassa laskevan viime vuoden 66 prosentista tänä vuonna 54 prosenttiin.

Viimeisimmät NVIDIA Corporation (NVDA) Osakeuutiset ja -kehitys

Yhteenveto

Terveen ja vakaan planeetan ylläpitämiseksi on ratkaisevan tärkeää suojella uhanalaisia lajeja, sillä niiden väheneminen voi aiheuttaa ketjureaktioita, jotka vaikuttavat koko elämän verkkoon. Ja sukupuuttouhkien kiihtyessä tehokkaan seurannan toteuttaminen on tärkeämpää kuin koskaan.

Tässä droonien ja älykkäiden mallinnustekniikoiden integrointi merkitsee merkittävää muutosta. Parantamalla lajien seurannan tarkkuutta ja tehokkuutta nämä teknologiset innovaatiot mahdollistavat nopeamman, älykkäämmän ja strategisemman toiminnan planeetan haavoittuvimman luonnon suojelemiseksi.

Klikkaa tästä nähdäksesi listan parhaista drone-yrityksistä, joihin kannattaa sijoittaa.

Viitteet:

1. Brack, IV, Valle, D., Ferrara, C., Torrico, O., Domic-Rivadeneira, E., & Forero-Medina, G. Yhdistettyjen populaatioiden runsauden arviointi dronejen avulla ottaen huomioon useita virhelähteitä: Tapaustutkimus jättiläismäisten eteläamerikkalaisten jokikilpikonnien massapesimisestä. Journal of Applied Ecology, julkaistu ensimmäisen kerran 17. kesäkuuta 2025. https://doi.org/10.1111/1365-2664.70081