Lennokit ja tekoäly kirjoittavat uudelleen villieläinten selviytymisen ja hallinnan

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

The same technology that many fear could one day cause job displacement or even pose a threat to humanity is now being used to save animals. AI is coming to the defense of endangered species across the globe in a myriad of ways, including tracking movement patterns and water loss in wetlands and rivers, enhancing anti-poaching efforts, developing advanced warning systems, and counting species using classification and surveillance techniques.

Kaikkien näiden toimien kautta tekoäly on auttanut pelastamaan vähenemässä olevia populaatioita, kuten elefantit, kaloja, pangoliineja, sarvikuonoja, punaiset sudet, Florida-panttereita, ja monia muita.

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

Kun jopa miljoona lajia on sukupuuttoon kuolemassa ja biodiversiteetti vähenee huolestuttavan nopeasti, tekoäly tarjoaa voimakkaita työkaluja tukemaan suojelutoimia. Sen edut, kuten lisääntynyt tehokkuus, nopeampi datankäsittely, automatisoitu villieläinten valvonta, parannettu uhkien havaitseminen, reaaliaikaiset hälytykset, parempi päätöksenteko ja skaalautuva tiedonjakaminen, voivat mullistaa tapamme suojella uhanalaisia lajeja.
Tämän seurauksena tutkijat kääntyvät tekoälyn puoleen seuratakseen biodiversiteettiä ja vahvistaakseen ponnistuksia uhanalaisten lajien auttamiseksi.

Viimeisin Floridan yliopiston tutkijoiden tutkimus on tehnyt juuri sen. He ovat käyttäneet tekoälyä paljastaakseen pesimäalueen, jossa piilee jopa 41 000 kilpikonnaa Amazonissa. Tämä paljastus merkitsee maailman suurinta tunnettua kilpikonnien pesimäaluetta, jonka mahdollistivat älykäs mallinnus ja lennokit.

Innovatiivisten tekniikoiden yhdistäminen ilmakuvaukseen ja tilastolliseen korjaukseen on auttanut ratkaisemaan merkittäviä puutteita perinteisissä laskentamenetelmissä ja mahdollistaa tarkemman villieläinten valvonnan.

“Kuvailemme uutta tapaa seurata eläinpopulaatioita tehokkaammin,” sanoi Ismael Brack, tutkimuksen pääkirjoittaja ja postdoc‑tutkija UF Institute of Food and Agricultural Sciencesin (UF/IFAS) Metsä‑, kalastus‑ ja geomaattisten tieteiden koulussa. “Vaikka menetelmää käytetään kilpikonnien laskemiseen, sitä voitaisiin soveltaa myös muihin lajeihin.”

Kauden aggregaatio: Avain tarkkaan villieläinten laskentaan

Kun tarkastellaan populaatiodynamiikkaa, kuten lajien kasvua, vähenemistä tai liikettä, peto‑saaliis‑suhteiden ja lajien välisten vuorovaikutusten ymmärtämistä sekä elinympäristön muuntumisen ja ilmastonmuutoksen vaikutuksia, runsaus on perusmuuttuja ekologiassa ja suojelussa.

Seuraamalla sitä ajan myötä voimme myös havaita ja ennustaa invasiivisten tai uhanalaisten lajien populaatiotrendejä.

Vaikka tietäminen, kuinka monta lajia on olemassa, auttaa seuraamaan muutoksia, tunnistamaan uhkia ja mittaamaan suojelutoimien tai hallintatoimien onnistumista, näiden runsauden arviointi on erittäin vaikeaa, erityisesti suurilla alueilla, joilla lajit ovat harvassa, vaikeasti havaittavissa tai laajalle levinneitä. Tämä tekee lajien tarkasta löytämisestä ja laskemisesta haastavaa.

Tehokas tapa parantaa näiden runsauden arviointi‑ ja valvontaponnistelujen tehokkuutta ja tarkkuutta on laskea eläimiä niiden tilallisen aggregaation jaksoina.

Tämä tarkoittaa, että useat villieläinlajit osoittavat kausittaisia käyttäytymismalleja, joissa ne kokoontuvat pienille alueille levätä, paritella, lisääntyä, pesiytyä ja sosiaalisesti olla vuorovaikutuksessa, tarjoten täydellisen mahdollisuuden niiden laskemiseen. Esimerkiksi kilpikonnat kokoontuvat pesimään rannoilla ja hiekkarannoilla.

Näiden tilallisesti aggregoituneiden villieläinkantojen näytteenottoon käytetään lennokeita tehokkaana ja vähemmän invasiivisena menetelmänä.

Lennokit, jotka tunnetaan myös miehittämättöminä ilma‑aluksina (UAV) tai kauko‑ohjattuina lentokoneina (RPA), ovat osoittautuneet tarkemmiksi ja täsmällisemmiksi lajeja laskettaessa, kun ne ovat kerääntyneet yhteen paikkaan. Ne aiheuttavat myös vähemmän häiriötä eläimille verrattuna maapohjaisiin kartoittauksiin.

Lennokkien käyttöön suunnitellaan lentoreittejä, jotka kattavat koko alueen, jossa lajit ovat kerääntyneet. Peräkkäisten kuvien ja sivuvalojen välillä pidetään päällekkäisyyksiä, jolloin kaikki kerätyt kuvat voidaan yhdistää yhdeksi ortorektifoiduksi mosaiikiksi.

Useiden pienempien kuvien yhdistäminen, poistaen vääristymät, luo suuren, erittäin yksityiskohtaisen, korkean resoluution, karttalaadun kuvan, mikä muodostaa ortorektifoidun mosaiikin.

Villieläinten yksilöiden laskeminen ortomosaikeissa aggregaatiotapahtumien aikana on kuitenkin altis tahattomille virheille, jotka voivat johtaa vinoutuneisiin arvioihin.

Vaikka se on nopea, vähemmän invasiivinen ja tarkempi tapa laskea eläimiä kuin maasta tehtynä, tekniikka ei ota huomioon sitä, että eläimet joskus liikkuvat tarkkailun aikana.

Esimerkiksi eläin voi olla kasvillisuuden piilottama tai yksinkertaisesti olla tilapäisesti jossain muualla, kun kuva kerätään. Vaikka eläin olisi kuvassa, algoritmi tai ihmisen tarkkailija ei välttämättä havaitse sitä. Toinen mahdollisuus on, että liikkuvat eläimet näkyvät useita kertoja kuvissa.

Tärkeä tekijä tässä, viimeisimmän tutkimuksen mukaan, on se, että näiden lajien keskittymiset ovat yleensä tilapäisiä, ja yksilöt saapuvat ja lähtevät päivien aikana pesimisen, lisääntymisen tai muuttoliikkeen vuoksi, mikä aiheuttaa väestökokoon vaihtelua.

Tämän “avonaisen populaation” aiheuttamat virheet voivat antaa vääriä lukuja, ja huolestuttavaa on se, että “näitä virheitä ohitetaan laajasti runsauden arvioissa, jotka perustuvat drone‑pohjaisten ortomosaikkilaskelmien perusteella.”

Joten Floridan yliopiston tutkijat halusivat luoda lähestymistavan, joka ottaa huomioon useita virhelähteitä. Tätä varten he käyttävät kahta datatyyppiä: merkittyjen eläinten uudelleennäkemisiä ja kokonaispopulaatioiden laskelmia.

Ilmaisen valvonnan ja älykkään mallinnuksen vallankumous populaatioarvioissa

Yhteistyössä New Yorkissa toimivan ei‑valtiollisen Wildlife Conservation Society (WCS) -tutkijoiden kanssa Kolumbiassa, Brasiliassa ja Boliviassa projekti alkoi keskittyen Giant South American River Turtles (Podocnemis expansa) -lajiin, jota kutsutaan myös jättimäiseksi Amazonin jokikilpikonnaksi, jokikilpikonnaksi tai yksinkertaisesti Arrauksi.

Julkaistu Journal of Applied Ecology -lehdessä, tutkimus syntyi tarpeesta arvioida jokikilpikonnien runsaus ja kehittää valvontaprotokolla niiden seurantaan maailman suurimman tunnetun makean veden kilpikonnien aggregaation aikana.

Jokikilpikonnat ovat kokeneet historiallisia vähenemisiä, joko kadoten monista Amazonin ja Orinocon jokien sivujokista tai ollen läsnä paljon alhaisemmilla tiheysarvoilla.

Niiden populaatio on laskenut merkittävästi, pääasiassa salametsästyjien ylikäytön vuoksi lihaa ja munia varten. Tämän seurauksena niiden suuret aggregaatiot ovat nyt harvinaisia.

Silti lajin alueella on joitakin suuria populaatioita, ja osa niistä näyttää toipuvan, jolloin niiden kausittainen käyttäytyminen tarjoaa korvaamattoman mahdollisuuden seurata niiden populaatioita.

Tuhannet näistä sosiaalisista olennoista kokoontuvat vuosittain kuivakaudella (heinäkuussa tai elokuussa) pesimään Guaporé-joen hiekkarannoille Brasilian ja Bolivian rajalla.

Jotta heidän lukumääränsä voitaisiin arvioida, asiantuntijat aiemmin perustuivat kuoriutuneiden poikasten laskemiseen, jonka perusteella naaraiden määrä extrapoloitiin käyttäen keskimääräistä munien määrää per pesä. Tämä on invasiivinen ja aikaa vievä menetelmä, koska perimä on aidattava ja poikasia käsiteltävä.

Lisäksi yksittäisiä pesiä ei voida erottaa toisistaan, mikä tekee siitä paitsi haastavaa myös mahdotonta arvioida lukuja alueilla, joilla on merkittävää massapesintää.

Toinen tapa on aikuisten kilpikonnien visuaalinen laskenta maasta, mutta tämäkin kohtaa jatkuvan liikkumisen ja toistensa estämisen haasteet.

Tässä lennokit, joita testataan jokikilpikonnien populaatioiden kartoittamiseen, ovat osoittaneet suurta lupaavuutta tehokkaana ja tarkkana menetelmänä arvioida niiden populaatiokokoja pesintäaikojen aikana, mikä on tärkeää arvioida populaatiotrendejä ja suojelutoimien tehokkuutta.

Joten tutkijat sovelsivat kehittämäänsä mallinnuslähestymistapaa määrittääkseen jokikilpikonnien populaation, kun ne kokoontuvat pesimään.

Ottamalla huomioon useita virhelähteitä, se tarjoaa uuden menetelmän ekologiille seurata riskialttiita eläimiä tarkemmin.

Uusi lähestymistapa, tutkijoiden mukaan, tarjoaa useita etuja, kuten ilmakuvan, jonka avulla voidaan laskea jokikilpikonnat ilman esteitä. Vähemmän invasiivisen tekniikan käyttö myös vähentää eläinten häiriötä.

Lisäksi lähestymistapa tarjoaa yhtenäisen menetelmän, jota voidaan soveltaa ja vertailla eri paikoissa ja eri vuosina. Näiden etujen perusteella tutkijat odottavat, että heidän kaltaistaan protokollaa käytetään hallituksen ja ei‑hallituksen instituutioissa lajin seurantaan.

Klikkaa tästä oppiaksesi, miksi drone‑teknologia tarjoaa taivaallisen potentiaalin huolimatta usein tapahtuvasta väärinkäytöstä.

Älykäs, skaalautuva, virhekorjattu malli globaalin villieläinten valvontaan

Kilpikonnien laskemiseksi tutkijat merkitsivät 1 187 jokikilpikonnan kuoret valkoisella maalilla, ja kaksitoista päivän aikana he lensivät dronin yläpuolelle noudattaen tarkkaa reittiä, eteen‑ ja taaksepäin, neljä kertaa päivässä.

Lennokki otti kerrallaan 1 500 kuvaa, jotka yhdistettiin ohjelmistolla. Tutkijat tarkastelivat sitten koostekuvia. Jokainen kilpikonna kirjattiin, mukaan lukien onko sen kuori merkitty, ja oliko eläin kävelemässä vai pesimässä valokuvauksen aikana.

Käyttäen näitä tietoja he kehittivät todennäköisyysmalleja, jotka ottavat huomioon useita virhelähteitä. Malli käytti merkintä‑uudelleennäkemistietoja ja kokonaispopulaatiolaskelmia huomioidakseen yksilöt, jotka eivät ole havaittavissa lennon aikana, avoimen populaation (jatkuva sisään‑ ja ulosliittyminen) pesintäjakson aikana, mosaiikissa havaitut merkityt yksilöt, joilla on tunnistamattomat merkit, sekä kaksoislaskennat ortomosaikin rakennusprosessin vuoksi.

Näin tiimi arvioi, että päivittäinen pesimätodennäköisyys on 0.37 ja että 35 % jokikilpikonnista, jotka käyttivät hiekkarantaa yöllä, ovat myös läsnä dronin aamullisessa lennossa.

Lisäksi he havaitsivat, että 20 % ortomosaikissa kävelevistä kilpikonnista on kaksoislaskentoja, ja merkin tunnistamisen todennäköisyys oli 0.78. Näin uusi lähestymistapa tarjoaa tarkemman tavan laskea villieläimiä käyttäen lennokeita.

Kun kilpikonnia laskettiin, maassa havainnoijat raportoivat noin 16 000 kilpikonnaa, kun taas virheitä huomioimattomat ortomosaikkeja tarkastaneet tutkijat laskivat noin 79 000 kilpikonnaa.

Mutta tekniikkaa käyttäen tutkijat arvioivat aggregaatiosijainnin kokonaisrunkoisuuden olevan 41 377 kilpikonnaa. Brackin mukaan:

“Nämä luvut vaihtelevat suuresti, ja se on ongelma suojelijoille. Jos tutkijat eivät pysty tekemään tarkkaa laskentaa lajin yksilömäärästä, miten he tietävät, onko populaatio vähenemässä vai ovatko suojelutoimet onnistuneet?”

Vaikka arviot edustavat suurta määrää jokikilpikonnia, tutkijat huomauttavat, että ne todennäköisesti ovat vain murto‑osa historiallisista populaatioista Amazonin alueella, perustuen historiallisten munien vientitietoihin. Lisäksi pesintäjatko jatkui muutaman päivän ajan viimeisen lennokin lennon jälkeen.

Tästä syystä tutkimus suosittelee valvontatyökalun käytön laajentamista koko pesintäkauden ajaksi. Lisäksi alueen muut hiekkarannat tulisi sisällyttää kattavaan pesintäpopulaation arvioon.

Tähän liittyen tutkimusryhmä aikoo tehdä lisää lennokkilentoja Guaporé‑joen pesimäalueella sekä muissa Etelä‑Amerikan maissa, joissa jokikilpikonnat kokoontuvat, kuten Kolumbiassa, ja mahdollisesti Venezuelassa ja Perussa. Tämä auttaa ryhmää parantamaan valvontamenetelmiään.

“Yhdistämällä tietoa useista kartoista voimme havaita populaatiotrendejä, ja Wildlife Conservation Society tietää, mihin sijoittaa suojelutoimia.”

– Brack

Vaikka kehitetty kehys alun perin syntyi tarpeesta parantaa jokikilpikonnien valvontaa, tutkijat totesi, että se on “erittäin monipuolinen ja sitä voidaan helposti käyttää tai mukauttaa useisiin eri konteksteihin.”

Jokikilpikonnien lisäksi kehitettyä menetelmää voidaan soveltaa ja mukauttaa myös muiden uhanalaisten lajien suojelutoimiin, joita kartoitetaan drone‑pohjaisilla ortomosaikeilla.

Esimerkiksi aiemmat drone‑valvontatutkimukset leikkasivat hylkeiden turkkia, merkitsivät vuorikauriita ja biisonia maalisuihkeilla, ja kiinnittivät hirville kauluksia niiden liikkeiden seuraamiseksi laskentojen aikana.

Lopulta uusi malli voidaan käyttää tehokkaaseen ja ajantasaiseen runsauden valvontaan villieläinsuojelu‑ ja hallintohankkeissa.

Sijoittaminen suojeluteknologiaan

AI:n suosikki NVIDIA Corporation (NVDA ) näyttelee suurta roolia eläinten ja planeettamme pelastamisessa. 
Sen GPU:t tehostavat monia syväoppimismalleja, joita käytetään kuvantunnistuksessa, kohteiden havaitsemisessa ja ympäristönvalvontaohjelmistoissa. Yritys edistää myös tekoälyn käyttöä globaalin hyvän puolesta, mukaan lukien biodiversiteettitutkimus.

NVIDIA Corporation (NVDA )

Nyt, Nvidia:n teknologiaa hyödyntävien yritysten joukossa AI‑tutkimuslaitos Ai2 on kehittänyt EarthRangerin tekemään reaaliaikaisesti paremmin informoituja operatiivisia päätöksiä villieläinsuojelussa. Maailman suurin elefanttitietokanta on koulutettu NVIDIA Hopper‑GPU:illa. Se myös esittää tietoja suuresta määrästä villieläimiä, kerätty radiolaitteista, satelliiteista, kamera‑ansasta, akustisista antureista ja muista tietolähteistä.

Ai2 julkaisi äskettäin myös avoimen lähdekoodin AI‑mallin nimeltä Atlantes, joka analysoi yli viisi miljardia GPS‑signaalia päivässä, jotka lähettävät lähes 600 000 merialusta, ja ennustaa, mitä jokin näistä aluksista tekee noin 80 % tarkkuudella. Jos alus harjoittaa laittomia kalastustoimintoja, malli lähettää hälytyksiä rannikkovartiolle. 4,7 miljoonan parametrin transformeri‑pohjainen malli, Atlantes, on koulutettu NVIDIA H100 Tensor Core‑GPU:illa ja PyTorchilla.

Rouxcel Technologyn AI‑pohjaiset RhinoWatches‑kellot on koulutettu ja optimoitu NVIDIA:n kiihdyttämällä laskennalla. Ne on otettu käyttöön yli 40 Etelä‑Afrikan suojelualueella, ja laajennetaan Keniaan ja Namibiaan. Yritys kehittää parhaillaan AI‑malleja useammille lajeille, mukaan lukien kriittisesti uhanalaiset pangoliinit.

NVIDIA:n CUDA‑ ja Jetson‑moduuleja käytetään samalla OroraTechin reunalla toimivassa AI:ssa ja datankäsittelyssä, joka yhdistää satelliittien, kameroiden, ilmakuvien ja paikallisen sääinformaation dataa valvoakseen eläinten salametsästystä ja metsäpaloja sekä tarjotakseen reaaliaikaisia hälytyksiä.

Mutta se ei ole kaikki. Vuosien varrella Nvidia‑teknologiaa on käytetty monissa muissa mielenkiintoisissa kokeissa, mukaan lukien de‑extinction. Esimerkiksi Colossal Biosciences on käyttänyt geenieditointiteknologiaa, AI‑malleja ja NVIDIA Parabricks -ohjelmistopakettia tuodakseen takaisin dodo‑linnun, villamammutin ja tasmanialaisen tiikerin.

Villieläinten lisäksi Nvidia‑teknologia auttaa tiedemiehiä, tutkijoita ja kehittäjiä saamaan paremman ymmärryksen ilmastosta, meristä ja avaruudesta.

Markkina‑arvolla 4,39 biljoonaa dollaria, täyden pinon laskentainfrastruktuuriyrityksen osakkeet käyvät tällä hetkellä 180,95 dollaria, yli 34 % nousua kuluvan vuoden alusta.

Yrityksen osakekurssi on noussut yli 59 % viimeisten kolmen kuukauden aikana. Juuri heinäkuun viimeisenä päivänä osake saavutti 52 viikon huippunsa 183,30 dollaria, mikä osoittaa jatkuvaa vahvaa sijoittajien luottamusta yritykseen ja sen tulevaisuuden näkymiin.

Tämän myötä sillä on EPS (TTM) 3,10 ja P/E (TTM) 57,98, kun taas tarjottu osinkotuotto on 0,02 %.

Ensimmäiselle neljännekselle, joka päättyi 27. huhtikuuta 2025, Nvidia raportoi liikevaihdoksi 44,1 miljardia dollaria. Sen pääasiallinen ajuri on datakeskukset, jotka muodostavat 39,1 miljardia dollaria liikevaihdosta, eli huikeat 89 % yrityksen kokonaismyynnistä. Tämä johtui räjähdysmäisestä AI‑kysynnästä.

Tämä kasvu on tapahtunut, vaikka Nvidia on kohdannut geopoliittisia takaiskuja H20‑sirujen vientirajoitusten vuoksi Kiinassa. Näiden sirujen odotetaan palaavan Kiinaan Trumpin hallinnon vakuuttaessa yritykselle, että myynti voidaan jälleen aloittaa. Nvidia myös ilmoitti uudesta “täysin yhteensopivasta” GPU:sta Kiinaan.

Kuitenkin Nvidia saattaa edelleen kamppailla saadakseen entisen markkinaosuutensa takaisin, sillä Bernstein ennustaa Nvidia:n AI‑sirujen markkinaosuuden Kiinassa laskevan 66 %:sta viime vuonna 54 %:iin tänä vuonna.

Viimeisimmät NVIDIA Corporation (NVDA) -osaketuotteiden uutiset ja kehitykset

Yhteenveto

Terveen ja vakaan planeetan ylläpitämiseksi on ratkaisevan tärkeää pelastaa uhanalaiset lajit, sillä niiden häviäminen voi aiheuttaa ketjureaktioita, jotka vaikuttavat koko elämän verkostoon. Ja kun sukupuuttoon kuolemisen uhkat kiihtyvät, on tärkeämpää kuin koskaan toteuttaa tehokas valvonta.

Tässä lennokkien ja älykkäiden mallinnustekniikoiden yhdistäminen merkitsee suurta muutosta. Parantamalla lajien valvonnan tarkkuutta ja tehokkuutta nämä teknologiset innovaatiot mahdollistavat nopeamman, älykkäämmän ja strategisemman toiminnan planeetan haavoittuvimpien villieläinten suojelemiseksi.

Klikkaa tästä saadaksesi listan parhaista drone‑yrityksistä sijoitettavaksi.

Lähteet:

1. Brack, I.V., Valle, D., Ferrara, C., Torrico, O., Domic‑Rivadeneira, E., & Forero‑Medina, G. Runkoisuuden arviointi aggregoituneissa populaatioissa droneilla ottaen huomioon useat virhelähteet: tapaustutkimus Giant South American River Turtles -lajin massapesimisestä. Journal of Applied Ecology, ensimmäinen julkaisu 17. kesäkuuta 2025. https://doi.org/10.1111/1365-2664.70081