Kaip dirbtinis intelektas veikia baltuosius lokius? [Vaizdo įrašas ir viktorina]

Trumpai tariant: Dirbtinis intelektas gali padėti apsaugoti baltuosius lokius, stiprindamas populiacijos tyrimus, jūros ledo stebėseną, sveikatos vertinimus ir ankstyvuosius įspėjimus apie žmonių susidūrimus su lokiais. Didžiausia jo vertė yra tada, kai rezultatus peržiūri ekspertai ir čiabuvių bendruomenės, neskelbtini duomenys išlieka apsaugoti, o technologija padeda mažinti išmetamųjų teršalų kiekį, o ne pakeičia veiksmus klimato kaitos srityje.

Svarbiausios išvados:

Atskaitomybė: Užtikrinti, kad žmonės būtų atsakingi už aptikimų, prognozių ir sprendimų dėl gamtos apsaugos patvirtinimą.

Sutikimas: prieš rinkdami, dalydamiesi ar taikydami vietos žinias, įtraukite čiabuvių bendruomenes.

Skaidrumas: aiškiai paaiškinkite neapibrėžtumą, duomenų spragas, energijos suvartojimą ir modelio apribojimus.

Audituojamumas: reguliariai tikrinkite sistemas tikromis Arkties oro ir apšvietimo sąlygomis.

Poveikis naudotojui: dirbtinį intelektą naudokite tik tada, kai jis reikšmingai pagerina saugumą, buveinių apsaugą ar gyvūnų gerovę.

1. Kaip dirbtinis intelektas veikia baltuosius lokius per klimato tyrimus?

Didžiausia grėsmė, su kuria susiduria baltieji lokiai, yra jūros ledo nykimas ir transformacija.

Baltieji lokiai medžioja jūros ledą. Jie jį naudoja kelionėms, poilsiui, porų paieškai ir ruonių medžioklei. Kai ledas susidaro vėliau, tirpsta anksčiau arba vis labiau suskaidomas, lokiai gali praleisti daugiau laiko sausumoje ir mažiau produktyviose medžioklės vietose.

Dirbtinis intelektas padeda tyrėjams interpretuoti didžiulį kiekį aplinkos duomenų, susijusių su šiais pokyčiais.

Mašininio mokymosi sistemos gali ištirti:

• Jūros ledo palydovinės nuotraukos

• Vandenyno temperatūros matavimai

• Sniego gylio įvertinimai

• Orų modeliai

• Vėjo kryptis ir greitis

• Ledo storio stebėjimai

• Meškų judėjimo duomenys

• Istoriniai aplinkosaugos įrašai

Žinoma, žmogus tyrėjas gali tyrinėti šiuos duomenų rinkinius, tačiau jų mastas yra milžiniškas. Palydovinės sistemos gali sukurti tūkstančius vaizdų, apimančių didžiulius Arkties plotus. Dirbtinis intelektas gali greičiau nuskaityti šiuos vaizdus, ​​išryškinti neįprastus modeliusir padėti tyrėjams nukreipti dėmesį ten, kur svarbiausia.

Tai nereiškia, kad dirbtinis intelektas stebuklingai išsprendžia klimato kaitos problemą. Jis artimesnis labai greitam asistentui, puikiai atpažįstančiam šablonus ir negalinčiam apsiauti sniego batų. Jis gali parodyti mokslininkams, kur keičiasi ledo sąlygos, tačiau žmonės vis tiek turi nuspręsti, ką daryti su šia informacija.

2. Dirbtinis intelektas gali padėti tiksliau suskaičiuoti baltuosius lokius 📷

Skaičiuoti baltuosius lokius yra sunkiau, nei atrodo.

Jie gyvena didžiulėse, atokiose teritorijose. Jų šviesus kailis susilieja su sniegu ir ledu. Kai kurios populiacijos yra išsibarsčiusios po teritorijas, kurias tyrėjams sunku, brangu ar pavojinga pasiekti. Tradiciniai tyrimai gali apimti orlaivius, laivus, sraigtasparnius, fizinį žymėjimą arba tyrėjų darbą atšiauriame šaltyje.

Dirbtinis intelektas gali padėti atlikti gyventojų apklausas analizuodamas aerofotonuotraukas, dronų vaizdus ir palydovinius vaizdus.

Kompiuterinės regos sistemas galima apmokyti atpažinti formas, kurios gali būti baltieji lokiai. Kai sistema identifikuoja galimus gyvūnus, tyrėjai gali peržiūrėti šiuos aptikimus, užuot rankiniu būdu tikrinę kiekvieną nuotraukos centimetrą.

Tai gali padėti:

• Lokių paieška didelėse vaizdų kolekcijose

• Gyventojų tankumo įvertinimas

• Paskirstymo pokyčių stebėjimas

• Motinų su jaunikliais atpažinimas

• Aptikti grupes, susirinkusias netoli maisto šaltinių

• Sumažinti laiką, praleidžiamą peržiūrint tuščius vaizdus

Yra vienas keblumas. Sniegas, uolos, šešėliai, ledo dariniai ir net putos prie pakrantės gali suklaidinti vaizdo atpažinimo sistemą. Remiantis algoritmu, ryški uola gali staiga tapti „baltuoju lokiu“, o tai juokinga tol, kol nuo rezultato priklauso populiacijos pokyčiai.

Žmonių atliekamas patikrinimas išlieka būtinas.

Dirbtinis intelektas gali susiaurinti paiešką. Jis neturėtų automatiškai tapti aukščiausiu autoritetu.

3. Atskirų baltųjų lokių sekimas nepriartėjant per arti

Tyrėjams dažnai reikia identifikuoti atskirus gyvūnus, kad suprastų išgyvenamumą, judėjimo modelius, dauginimąsi, maitinimosi elgseną ir buveinių naudojimą.

Tradiciškai tai gali būti fizinis lokio gaudymas, žymėjimas arba sekimo antkaklio uždėjimas. Šie metodai gali suteikti vertingos informacijos, tačiau jiems reikia daug išteklių ir jie gali laikinai sukelti gyvūnui stresą.

Dirbtinio intelekto pagalba atliekamas identifikavimas siūlo dar vieną galimybę.

Kompiuterinio matymo modeliai gali tirti tokias charakteristikas kaip:

• Veido struktūra

• Randai ir žymės

• Kūno forma

• Judėjimo stilius

• Kailio raštai

• Ausų forma

• Dydžių skirtumai

Atsitiktiniam stebėtojui baltieji lokiai gali atrodyti beveik identiški. Baltas lokys, juoda nosis, didžiulės letenos – viskas. Tačiau detalūs vaizdai gali atskleisti nedidelius skirtumus , kurie padeda tyrėjams atskirti vieną gyvūną nuo kito.

Toks neinvazinis stebėjimas galėtų leisti mokslininkams sekti atskirus lokius pakartotinai stebint juos kameromis. Kai kuriose tyrimų aplinkose tai gali sumažinti fizinio krūvio poreikį, nors mažai tikėtina, kad tai visiškai pakeis antkaklius ir biologinių mėginių ėmimą.

Nuotrauka negali visko išmatuoti. Ji negali tiesiogiai pateikti kraujo cheminių tyrimų, hormonų lygio, kūno temperatūros ar genetinės informacijos. Dirbtinio intelekto pagalba sukurta fotografija yra tik viena tyrimo dėlionės dalis, o ne visa ledinė dėlionė. 🧩

4. Palyginimo lentelė: Kaip dirbtinio intelekto įrankiai padeda išsaugoti baltuosius lokius

Stalas sukuria tvarkingą ir tvarkingą vaizdą dirbtiniam intelektui. Arkties tyrimai retai kada taip elgiasi. Išsikrauna baterijos. Sniegas užkasa įrangą. Orai keičiasi be ceremonijų. Lokiai dingsta iš akių, nes, kaip bebūtų keista, neperskaitė tyrimų plano.

Nepaisant to, šios technologijos, taikomos atsargiai, gali padaryti stebėjimą efektyvesnį ir mažiau įkyrų.

5. Numatymas, kur persikels baltieji lokiai 🗺️

Baltųjų lokių judėjimą labai veikia jūros ledas, grobio prieinamumas, metų laikas, orai, amžius, lytis, reprodukcinė būklė ir individualus elgesys.

Dirbtinio intelekto modeliai gali sujungti šiuos kintamuosius, kad įvertintų, kur lokiai gali keliauti toliau.

Pavyzdžiui, prognozavimo sistema galėtų analizuoti neseniai vykusius ledo judėjimus, pakrančių geografiją, ankstesnius lokių stebėjimus ir maisto prieinamumą. Tada ji galėtų nustatyti vietas, kur baltieji lokiai yra labiau linkę artėti prie miestų, stovyklų, kelių ar pramoninių vietovių.

Ši informacija gali padėti ankstyvojo perspėjimo sistemoms.

Bendruomenės gali:

• Padidinti patrulių skaičių didelės rizikos zonose

• Saugus maisto švaistymas

• Įspėti gyventojus

• Koreguokite kelionės maršrutus

• Perkelkite patrauklius augalus toliau nuo gyvenviečių

• Parengti apmokytas laukinės gamtos reagavimo komandas

Tikslas nėra sukurti mokslinės fantastikos sistemą, kuri sektų kiekvieną lokį kaip siuntinį. Tikslas – sumažinti netikėtumų skaičių.

Netikėti susidūrimai gali būti pavojingi tiek žmonėms, tiek lokiams. Lokys, kuris pakartotinai patenka į gyvenvietę, gali būti išgąsdintas, perkeltas arba nužudytas, jei valdžios institucijos mano, kad jis kelia tiesioginę grėsmę. Geresnis prognozavimas galėtų suteikti bendruomenėms daugiau laiko imtis prevencinių priemonių.

Todėl dirbtinis intelektas gali netiesiogiai apsaugoti baltuosius lokius, padėdamas žmonėms išvengti situacijų, kurios baigiasi blogai.

6. Konfliktų tarp žmonių ir baltųjų lokių mažinimas

Keičiantis jūros ledo sąlygoms, kai kurie lokiai ilgesnį laiką praleidžia netoli pakrančių ar žmonių gyvenviečių. Jie gali ieškoti alternatyvių maisto šaltinių, ypač kai natūralios medžioklės galimybės yra ribotos.

Deja, žmonių bendruomenėse slypi galingi traukos veiksniai:

• Buitinės atliekos

• Laikoma mėsa

• Gyvūnų pašarai

• Žvejybos liekanos

• Maisto sandėliai

• Lauko maisto gaminimo zonos

• Sąvartynai

Alkanas baltasis lokys mažai gerbia nuosavybės ribas. Sunku kaltinti gyvūną. Plona tvora neatrodo itin prasminga, kai kitoje pusėje yra maisto.

Dirbtiniu intelektu paremtos kamerų sistemos gali aptikti didelius gyvūnus, artėjančius prie saugomų teritorijų. Kai kurios sistemos gali atskirti baltuosius lokius nuo šunų, žmonių, transporto priemonių ar kitų laukinių gyvūnų. Aptikus galimą lokį, vietos gelbėjimo tarnyboms gali būti išsiųstas įspėjimas.

Tai gali padėti geriau užkirsti kelią konfliktams. Užuot nuolat stebėję kameros vaizdą, darbuotojai gali reaguoti, kai sistema pastebi ką nors neįprasto.

Tačiau patikimumas yra nepaprastai svarbus. Per daug klaidingų pavojaus signalų gali išmokyti žmones ignoruoti perspėjimus. Praleisti aptikimai gali sukurti netinkamą saugumo jausmą. Sistemos taip pat turi veikti tamsoje, pūgose, rūke ir stipriame šaltyje – iš esmės visose sąlygose, kuriomis elektronika mėgaujasi mažiausiai. ❄️

Dirbtinis intelektas turėtų remti patyrusius vietos gelbėtojus, o ne juos pakeisti.

7. Ką dirbtinis intelektas gali atskleisti apie baltųjų lokių sveikatą

Meškos fizinė būklė gali suteikti užuominų apie jos prieigą prie maisto.

Tyrėjai gali analizuoti nuotraukas ar vaizdo įrašus, kad įvertintų kūno dydį, riebalų atsargas, laikyseną, judesius ir bendrą būklę. Dirbtinis intelektas gali padėti standartizuoti kai kuriuos iš šių vizualinių vertinimų.

Užuot visiškai pasikliaujęs vieno žmogaus sprendimu, apmokytas modelis gali palyginti vaizdą su didele anksčiau įvertintų gyvūnų kolekcija. Jis gali pažymėti lokius, kurie atrodo neįprastai liesi arba laikui bėgant rodo pokyčius.

Tai gali padėti mokslininkams ištirti:

• Mitybos stresas

• Vidutinės kūno būklės pokyčiai

• Skirtumai tarp regionų

• Motinų ir jauniklių būklė

• Galimi sužalojimai

• Pakeistos maitinimo galimybės

Dirbtinis intelektas taip pat galėtų padėti analizuoti šiluminius vaizdus, ​​nors kailis, atstumas, oras ir kameros kampas apsunkina interpretavimą.

Kyla pagunda vizualinį dirbtinį intelektą laikyti skaitmeniniu veterinarijos gydytoju. Taip nėra. Lokys gali atrodyti liesas dėl kampo, šlapio kailio, laikysenos, apšvietimo ar sezoninių pokyčių. Sistemą reikia atidžiai išbandyti, o jos rezultatus reikėtų derinti su lauko stebėjimais ir biologiniais duomenimis.

Užtikrintai atrodantis skaičius ekrane vis tiek gali būti klaidingas. Kartais net neįtikėtinai.

8. Dronai, robotai ir mažiau invaziniai tyrimai 🚁

Arkties lauko tyrimai gali būti brangūs ir rizikingi. Tyrėjai gali keliauti per nestabilų ledą, atšiauriomis oro sąlygomis ir į teritorijas, kuriose gyvena dideli plėšrūnai. Lėktuvų tyrimams taip pat reikia degalų, apmokytų įgulų ir palankių sąlygų.

Dronai ir nuotoliniu būdu valdomos sistemos gali padėti rinkti vaizdus, ​​​​taip pat apribojant kai kurias žmonių keliamo trikdymo formas.

Dirbtinis intelektas gali pagerinti dronais pagrįstus tyrimus, padėdamas:

• Automatizuoti skrydžio maršrutai

• Vaizdo stabilizavimas

• Gyvūnų aptikimas

• Atstumo įvertinimas

• Buveinių žemėlapių sudarymas

• Vaizdų rūšiavimas

• Dvigubų skaičiavimų vengimas

Pagrindinis gamtosaugos privalumas yra ne tik greitis. Tai galimybė surinkti vertingus duomenis iš didesnio atstumo.

Vis dėlto dronai gali trikdyti laukinę gamtą, jei skrenda per žemai, priartėja per arti arba skleidžia nepažįstamus garsus. Baltasis lokys, kuris keičia kryptį, nustoja ilsėtis, palieka maitinimosi vietą arba susijaudina dėl drono, moka energijos sąnaudas.

Tai svarbu aplinkoje, kurioje sunku gauti kalorijų.

Atsakingai dronų tyrimams reikalingos griežtos eksploatavimo taisyklės. Tai, kad dronas gali priartėti prie gyvūno, dar nereiškia, kad jis turėtų. Technologijos turi įprotį prastas idėjas pateikti įspūdingai.

9. Kaip dirbtinis intelektas neigiamai veikia baltuosius lokius?

Teigiama DI pusė sulaukia daug dėmesio, tačiau dirbtinis intelektas taip pat daro poveikį aplinkai.

Dirbtinio intelekto sistemos veikia fizinėje infrastruktūroje. Duomenų centrams reikalinga elektra. Serveriai gamina šilumą ir juos reikia vėsinti. Kompiuterių lustams reikalingos medžiagos, gamyba, transportavimas ir keitimas. Skaitmeniniai įrankiai nėra nesvarūs vien dėl to, kad jų programinė įranga rodoma ekrane.

Kai elektra gaunama iš daug taršių energijos šaltinių, padidėjęs skaičiavimo poreikis gali prisidėti prie šiltnamio efektą sukeliančių dujų išmetimo. Šie išmetimai daro įtaką visuotiniam atšilimui, kuris veikia Arkties jūros ledą.

Grandinė atrodo maždaug taip:

Didesnis skaičiavimo poreikis → didesnis energijos suvartojimas → galimos papildomos emisijos → didesnis atšilimo spaudimas → tolesnis Arkties buveinių trikdymas

Tai nereiškia, kad kiekviena dirbtinio intelekto programa automatiškai kenkia baltiesiems lokiams. Energijos šaltiniai, aparatinės įrangos efektyvumas, modelio dydis, aušinimo sistemos ir naudojimo dažnumas – visa tai svarbu.

Mažas modelis, skirtas analizuoti išsaugojimo vaizdus, ​​gali pareikalauti daug mažiau išteklių nei didžiulė bendrosios paskirties sistema, aptarnaujanti milijonus žmonių.

Svarbiausia yra tai, kad dirbtinis intelektas turi ir tiesioginių gamtosaugos pritaikymų, ir netiesioginių aplinkosaugos sąnaudų. Apsimesti, kad egzistuoja tik viena pusė, yra tas pats, kas grožėtis spindinčiu ledkalnio priekiu, pamirštant gana didelę dalį apačioje.

10. Duomenų centrai ir Arkties klimato spaudimas

Duomenų centro poveikis aplinkai priklauso nuo to, kaip jis tiekiamas elektra ir kaip jis eksploatuojamas.

Svarbūs veiksniai:

• Jos elektros šaltinis

• Aušinimo reikalavimai

• Aparatinės įrangos efektyvumas

• Vandens naudojimas

• Serverio naudojimas

• Įrangos tarnavimo laikas

• Šilumos atliekų tvarkymas

• Elektroninių atliekų tvarkymo praktika

Efektyvios sistemos, varomos mažiau taršia elektra, gali turėti mažesnį poveikį klimatui. Neefektyvios sistemos, varomos iškastiniu kuru, gali labiau prisidėti prie išmetamųjų teršalų kiekio.

Dirbtinio intelekto kūrėjai gali sumažinti aplinkos spaudimą kurdami mažesnius modelius specializuotoms užduotims, naudodami efektyvią įrangą, vengdami nereikalingų skaičiavimų ir planuodami sudėtingus darbo krūvius, kai yra prieinama švaresnė elektra.

Tai svarbu baltiesiems lokiams, nes Arkties atšilimą sukelia ne viena mašina, viena įmonė ar viena technologija. Jis yra susikaupusių išmetamųjų teršalų, susidarančių transporto, elektros energijos gamybos, pramonės, žemės ūkio, statybos, skaitmeninės infrastruktūros ir daugelio kitų veiklų srityse, rezultatas.

Dirbtinis intelektas yra viena iš platesnės sistemos dalių.

Jis neturėtų tapti patogiu piktadariu, atitraukiančiu dėmesį nuo didesnių išmetamųjų teršalų šaltinių. Tuo pačiu metu jam neturėtų būti taikoma stebuklinga išimtis vien dėl to, kad jis atrodo futuristinis. 💻

11. Geresni klimato modeliai gali pagerinti sprendimus dėl gamtos apsaugos

Vienas vertingiausių dirbtinio intelekto vaidmenų yra padėti mokslininkams suprasti kelias galimas ateities perspektyvas.

Gamtos apsaugos planavimui reikia daugiau nei žinoti, kokios sąlygos atrodo šiandien. Laukinės gamtos valdytojai turi įvertinti, kur gali išlikti tinkama buveinė, kaip gali pasikeisti kelionių maršrutai ir kurios populiacijos gali patirti didžiausią spaudimą.

Dirbtiniu intelektu patobulinti klimato ir buveinių modeliai gali ištirti ryšius tarp:

• Ledo trukmė

• Ledo koncentracija

• Vandenyno temperatūra

• Ruonių paskirstymas

• Pakrančių sąlygos

• Žmogaus veikla

• Meškos judėjimas

• Reprodukcinė sėkmė

Šie modeliai gali padėti tyrėjams išbandyti skirtingus scenarijus.

Pavyzdžiui, tyrėjai gali ištirti, kas gali nutikti baltųjų lokių populiacijai, kai sutrumpėja jų pavasarinės medžioklės laikotarpis. Jie gali ištirti, kaip lokiai gali reaguoti, kai vasaros ledas traukiasi toliau nuo sausumos, arba kuriose pakrantės zonose lokiai gali lankytis dažniau.

Atsakymai retai kada būna paprasti. Ne visi baltieji lokiai reaguoja vienodai. Skirtingos populiacijos gyvena skirtingomis ekologinėmis sąlygomis. Viename regione pastebėtas modelis nebūtinai idealiai perkeliamas į kitą.

Dirbtinis intelektas gali atskleisti tendencijas, tačiau vietos ekologija vis tiek svarbi. Pasaulinis modelis gali nepastebėti smulkių detalių, kurias šiaurinės bendruomenės ir lauko tyrėjai supranta per tiesioginę patirtį.

12. Vietinių gyventojų žinios turi išlikti pagrindine svarba 🧭

Daugelis čiabuvių bendruomenių ištisas kartas gyveno kartu su baltaisiais lokiais. Jų žinios apima lokių elgesio, jūros ledo, orų, kelionių sąlygų, grobio, sezoninių judėjimų ir ekologinių pokyčių stebėjimus.

Dirbtinio intelekto sistemos neturėtų šių žinių laikyti neprivalomu dekoratyviniu sluoksniu, pridedamu baigus techninį darbą.

Vietos ekspertų patirtis gali padėti tyrėjams įvertinti, ar algoritmo išvestis yra prasminga. Ji gali atskleisti modelius, kurių nuotoliniai tyrimai nepastebi. Ji taip pat gali užkirsti kelią pašaliniams asmenims klaidingai interpretuoti duomenis, kurie kompiuteryje atrodo paprasti, bet realybėje turi kitokią reikšmę.

Atsakingi projektai turėtų atsižvelgti į:

• Kam priklauso duomenys

• Kas nusprendžia, kaip tai bus naudojama

• Ar bendruomenės davė informuotą sutikimą

• Ar galima netinkamai panaudoti jautrius vietos duomenis

• Kam naudinga technologija

• Ar vietos gyventojai gali susipažinti su rezultatais

• Kaip tradicinės žinios yra pripažįstamos ir saugomos

Tai ypač svarbu naudojant laukinės gamtos buvimo vietos duomenis. Išsami sekimo informacija gali sukelti gyvūnams trikdymą, turizmo spaudimą ar neteisėtą veiklą.

Daugiau duomenų nebūtinai reiškia geriau. Kartais informacijos apsauga yra ir lokio apsaugos dalis.

13. Šališkų arba nepilnų dirbtinio intelekto modelių pavojus

Dirbtinis intelektas mokosi iš duomenų, o Arkties duomenų rinkiniai dažnai būna nepilni.

Kai kurios vietovės stebimos dažnai, nes jas lengviau pasiekti. Kituose regionuose dėl atstumo, išlaidų, oro sąlygų ar politinių sienų gali būti atliekama mažiau tyrimų. Dėl to gaunama nevienoda informacija.

Modelis, daugiausia apmokytas gerai ištiriamuose regionuose, kitur gali veikti prastai.

Galimos problemos:

• Dingę lokiai nepažįstamuose kraštovaizdžiuose

• Klaidinantys ledo dariniai su gyvūnais

• Pervertinti populiacijas intensyviai fotografuojamose vietovėse

• Neįvertinamas aktyvumas atokiuose regionuose

• Neteisingai interpretuojant neįprastu apšvietimu užfiksuotus vaizdus

• Pasenusių judėjimo modelių traktavimas kaip dabartinio elgesio

Šališkumas ne visada reiškia, kad kažkas sąmoningai sukūrė nesąžiningą sistemą. Jis dažnai prasideda nuo duomenų spragų.

Įsivaizduokite, kad mokote dirbtinį intelektą atpažinti baltuosius lokius, daugiausia naudodami aiškias dienos metu gautas nuotraukas, o tada jį naudojate rūke, tamsoje, pučiant sniegui ir esant daliniam matomumui. Sistemai gali kilti sunkumų, nes lauko sąlygos yra nepaklusnesnės nei jos mokymo rinkinys.

Šis principas taikomas beveik kiekvienai dirbtinio intelekto sistemai.

14. Ar dirbtinis intelektas galėtų atitraukti dėmesį nuo prasmingų klimato kaitos veiksmų?

Yra rizika, kad įspūdingos technologijos sukuria pažangos įspūdį, neišspręsdamos pagrindinės problemos.

Organizacija gali įdiegti pažangią baltųjų lokių stebėjimo sistemą ir sulaukti daug teigiamo dėmesio. Tuo tarpu platesnė su ta organizacija susijusi ekonominė veikla gali ir toliau generuoti didelius išmetamųjų teršalų kiekius.

Nuosmukio stebėjimas nėra tas pats, kas nuosmukio prevencija.

Dirbtinis intelektas gali pasakyti tyrėjams, kad jūros ledas nyksta. Jis gali gražiai pavaizduoti nykimo žemėlapį, jį animuoti, numatyti ir sukurti ataskaitų suvestinę su dvylika skirtukų. Tačiau baltiesiems lokiams nereikia gražesnio buveinės nykimo aprašymo. Jiems reikia sąlygų, kurios padėtų pagerinti jų buveinę.

Praktiniai dirbtinio intelekto projektai turėtų būti susiję su konkrečiais sprendimais, tokiais kaip:

• Svarbiausių buveinių apsauga

• Išmetamųjų teršalų mažinimas

• Pramoninės veiklos valdymas

• Atliekų saugojimo gerinimas

• Bendruomenės saugumo rėmimas

• Orientacija į gamtos išteklius

• Nereikalingo gyvūnų trikdymo mažinimas

Be veiksmų dirbtinis intelektas rizikuoja tapti itin sudėtingu dūmų detektoriumi pastate, kuriame niekas neketina gesinti gaisro. Galbūt netobula metafora, bet esmė lieka. 🔥

15. Kaip turėtų atrodyti atsakingas poliarinių lokių dirbtinis intelektas

Atsakinga sistema turėtų būti tiksli, energiją taupanti, skaidri, pagrįsta vietos informacija ir susijusi su realiu išteklių išsaugojimo poreikiu.

Ji neturėtų rinkti duomenų vien dėl to, kad technologijos tai leidžia.

Stiprūs dirbtinio intelekto projektai paprastai prasideda nuo praktinio klausimo:

• Ar šiame regione keičiasi baltųjų lokių skaičius?

• Kurios buveinės naudojamos dažniausiai?

• Kur daugėja žmonių ir lokių susidūrimų?

• Ar galima atlikti tyrimus su mažiau trikdžių?

• Kurie lokiai gali patirti mitybos stresą?

• Kaip ledo sąlygos veikia judėjimą?

Iš ten tyrėjai gali pasirinkti mažiausią ir tinkamiausią įrankį.

Atsakingas požiūris gali apimti:

1. Aiškūs gamtosaugos tikslai.
   Projektas turėtų išspręsti apibrėžtą problemą, o ne naudoti dirbtinį intelektą viešinimui.

2. Žmonių atliekama peržiūra
   Ekspertai turėtų patikrinti svarbius aptikimus ir prognozes.

3. Bendruomenės įsitraukimas.
   Vietos ir čiabuvių žinios turėtų formuoti projektą nuo pat pradžių.

4. Aplinkos apskaitos
   komandos turėtų atsižvelgti į energijos ir įrangos sąnaudas, reikalingas sistemai valdyti.

5. Duomenų apsauga.
   Neskelbtina informacija apie laukinę gamtą ir bendruomenes turėtų būti kruopščiai kontroliuojama.

6. Reguliarūs bandymai.
   Modeliai turėtų būti vertinami tikromis Arkties sąlygomis, o ne tik naudojant nepriekaištingus laboratorinius duomenų rinkinius.

7. Aiškus bendravimas
   Tyrėjai turėtų paaiškinti neapibrėžtumą, o ne pateikti prognozes kaip garantuotus rezultatus.

Dirbtinis intelektas geriausiai veikia kaip sprendimų priėmimo įrankis. Jis tampa rizikingas, kai žmonės mano, kad automatizavimas panaikina poreikį vertinti.

16. Kaip dirbtinis intelektas ilgainiui veikia baltuosius lokius?

Ilgalaikis poveikis mažiau priklauso nuo to, ar dirbtinis intelektas egzistuoja, o daugiau nuo to, kaip žmonės nusprendžia jį naudoti.

Dirbtinis intelektas galėtų tapti vertinga baltųjų lokių apsaugos dalimi. Jis gali padėti tyrėjams stebėti didesnes teritorijas, nustatyti kylančias rizikas, greičiau reaguoti į konfliktus ir aiškiau suprasti aplinkos pokyčius.

Tai taip pat galėtų padidinti energijos paklausą, paskatinti nereikalingą duomenų rinkimą ir tapti poliruotu atitraukimu nuo klimato kaitos veiksmų.

Abu rezultatai gali įvykti vienu metu.

Tai yra apmaudus faktas. Technologijos retai kada būna vien tik geros ar vien tik blogos. Jos linkusios išryškinti jas naudojančių žmonių ir institucijų prioritetus.

Kai prioritetas teikiamas gamtosaugai, dirbtinis intelektas gali pagerinti stebėseną ir sprendimų priėmimą. Kai pirmenybė teikiama augimui, patogumui ar viešumui, aplinkosaugos problemos gali būti nustumtos į šalį.

Baltajam lokiui nerūpi, ar algoritmas yra novatoriškas. Jam rūpi, ar yra pakankamai stabilaus jūros ledo, pakankamai grobio ir pakankamai vietos išgyventi.

Uždarymo perspektyva 🐾

Taigi, kaip dirbtinis intelektas veikia baltuosius lokius?

Tai padeda mokslininkams sekti gyvūnus, tirti jūros ledą, analizuoti nuotraukas, numatyti judėjimą, įvertinti kūno būklę ir sumažinti pavojingus susidūrimus su žmonėmis. Šios priemonės gali pagreitinti, padaryti Arkties tyrimus saugesnius ir kai kuriais atvejais mažiau trikdančius.

Tuo pačiu metu dirbtinis intelektas eikvoja energiją ir yra priklausomas nuo daug išteklių reikalaujančios infrastruktūros. Kai ši energija prisideda prie šiltnamio efektą sukeliančių dujų išmetimo, ji didina platesnį klimato spaudimą, veikiantį baltųjų lokių buveines.

Konstruktyviausias požiūris yra nei atmesti dirbtinį intelektą, nei aklai jį šlovinti. Tai reiškia naudoti technologiją selektyviai, efektyviai ir atvirai.

Dirbtinis intelektas pats savaime negali išgelbėti baltųjų lokių. Joks algoritmas negali pakeisti jūros ledo. Tačiau kartu su išmetamųjų teršalų mažinimu, buveinių apsauga, čiabuvių žiniomis, atsakingais tyrimais ir praktiniais gamtosaugos veiksmais jis gali padėti žmonėms priimti geresnius sprendimus.

Ir, tiesą sakant, baltiesiems lokiams reikia geresnių sprendimų, o ne daugiau skaitmeninio triukšmo, apsirengusio žieminiu paltu. 🐻❄️🌍

Realaus pasaulio pavyzdys: baltojo lokio ankstyvojo perspėjimo asistento kūrimas

Scenarijus

Išgalvota Arkties pakrantės bendruomenė rudenį netoli savo atliekų saugyklos pastebėjo kelis baltųjų lokių pėdsakus. Vietos laukinės gamtos pareigūnai jau pasikliauja patruliais ir kamerų įrašais, tačiau nuolat stebėti šešias kameras yra nepraktiška, ypač naktį.

Bendruomenė nusprendžia išbandyti dirbtinio intelekto pagalba veikiančią perspėjimo sistemą. Jos tikslas yra sąmoningai siauras: atpažinti vaizdus, ​​kuriuose gali būti baltasis lokys, įspėti apmokytą gelbėtoją ir užfiksuoti gelbėtojo sprendimą. Ji automatiškai neaktyvuoja atgrasymo priemonių, neskelbia lokio buvimo vietos ir nenusprendžia, ar gyvūną reikia perkelti.

Sistema sujungia kamerų aptikimus su neseniai pastebėtais objektais, jūros ledo sąlygomis, vėjo kryptimi ir žinomais patraukliais veiksniais. Vietos ir čiabuvių žinios padeda nustatyti, kur reikėtų dėti kameras ir ar modelio siūlomi judėjimo modeliai yra patikimi. Tai atspindi platesnį straipsnio principą, kad dirbtinis intelektas turėtų padėti patyrusiems žmonėms, o ne pakeisti jų sprendimus.

Ko reikia asistentui

• Kamerų vaizdai iš dislokavimo vietų, įskaitant tamsą, rūką, sniegą ir dalinį matomumą

• Patikrinti baltųjų lokių, šunų, žmonių, transporto priemonių, uolų ir slenkančio sniego pavyzdžiai

• Aiškios taisyklės, apibrėžiančios, kada turėtų būti siunčiamas įspėjimas

• Maisto laikymo vietų, kelionių maršrutų ir kitų jautrių vietų žemėlapis

• Prieigos kontrolė, neleidžianti neįgaliotiems vartotojams peržiūrėti tiesioginių laukinės gamtos vietos duomenų

• Paskirtas respondentas, atsakingas už kiekvieno didelio prioriteto įspėjimo peržiūrą

• Bendruomenės patvirtintos vaizdų rinkimo, saugojimo ir naikinimo taisyklės

• Praleistų aptikimų, klaidingų pavojaus signalų ir įrangos gedimų pranešimo procedūra

• Rankinis atsarginis režimas laikotarpiams, kai kameros, ryšys ar modelis nepasiekiami

Instrukcijos pavyzdys

Peržiūrėkite kiekvieną įeinantį kameros vaizdą ir klasifikuokite jį kaip „galimas baltasis lokys“, „galimas baltasis lokys“, „ne baltasis lokys“ arba „netinkamas naudoti vaizdas“. Nurodykite patikimumo lygį ir trumpai apibūdinkite matomus įrodymus.

Nedelsiant siųskite įspėjimą tik tada, kai sutartoje stebėjimo zonoje pasirodo tikėtinas arba galimas baltojo lokio aptikimas. Niekada neapibūdinkite aptikimo kaip neabejotino. Neaktyvuokite atgrasymo priemonių ir nerekomenduokite veiksmų prieš gyvūną. Apmokytam gelbėtojui parodykite vaizdą, kameros vietą, aptikimo laiką ir patikimumo lygį patikrinimui.

Nenurodykite tikslios vietos už įgaliotos reagavimo komandos ribų. Kai matomumas prastas, pažymėkite vaizdą kaip netinkamą naudoti, o ne spėliokite.

Kaip tai išbandyti

Komanda sukuria 120 vietoje užfiksuotų vaizdų bandymų rinkinį:

• 30, kuriuose aiškiai matomi baltieji lokiai

• 20, kuriuose yra iš dalies uždengtų arba tolimų lokių

• 50, kuriuose yra įprastų klaidingo pavojaus signalo objektų, tokių kaip šunys, žmonės, pusnys ir transporto priemonės

• 20 netinkamų naudoti nuotraukų, padarytų tamsoje, gausiai sningant arba uždengus objektyvą

Kiekvieną vaizdą nepriklausomai peržiūri du patyrę vietos stebėtojai. Jų sutarta klasifikacija tampa atskaitos atsakymu.

Testas turėtų patikrinti:

• Kiek iš 50 lokio atvaizdų asistentas teisingai pažymi?

• Kiek ne lokio vaizdų neteisingai suaktyvina įspėjimą

• Ar netinkami naudoti vaizdai pažymėti tiksliai

• Ar kiekviename įspėjime yra teisinga kamera ir laikas

• Ar neskelbtina vietos informacija lieka ribojama

• Ar sistema veikia skirtingai naktį arba esant blogam orui

• Ar respondentai gali nepaisyti ir įrašyti neteisingas klasifikacijas

Praktinė priėmimo taisyklė gali reikalauti, kad sistema aptiktų bent 48 iš 50 lokių vaizdų, o iš 50 ne lokių vaizdų sugeneruotų ne daugiau kaip penkis klaidingus perspėjimus. Šios ribos yra projekto pasirinkimai, o ne universalūs saugos standartai, ir bendruomenė gali reikalauti griežtesnių našumo reikalavimų prieš diegimą.

Rezultatas

Iliustracinis rezultatas: per dviejų savaičių trukmės bandymą šešios kameros užfiksavo 1800 vaizdų. Asistentas pažymėjo 42, kad žmogus galėtų juos peržiūrėti. Reaguotojai patvirtino, kad 11 kamerų yra su baltaisiais lokiais, 24 yra klaidingi pavojaus signalai, o septynios yra netinkamos naudoti.

Rankinis visų 1800 įvykių patikrinimas užtruktų maždaug 15 valandų, kiekvienam vaizdui atliekant 30 sekundžių intervalą. 42 pažymėtų įvykių peržiūra trunka apie 21 minutę, o kasdienis 180 nepažymėtų vaizdų patikrinimas papildomai trunka 90 minučių. Taigi bendras peržiūros laikas yra maždaug 1 valanda ir 51 minutė, t. y. iliustratyvus maždaug 13 valandų sutrumpėjimas viso tyrimo metu.

Tačiau laiko taupymas yra priimtinas tik tuo atveju, jei kokybė išlieka aukšta. Tarkime, kad bandymų rinkinyje sistema atpažįsta 49 iš 50 lokio vaizdų ir neteisingai pažymi šešis iš 50 ne lokio vaizdų. Lieka vienas praleistas lokio vaizdas ir šeši klaidingi perspėjimai. Prieš laikant sistemą veikiančia, reikia ištirti praleistą aptikimą.

Šie skaičiai yra pavyzdinis įvertinimas, pagrįstas nurodytomis prielaidomis, o ne bendruomenės diegimo duomenimis. Jie taip pat neapima diegimo, priežiūros, mokymo ir modelio kūrimo laiko.

Kas gali nutikti ne taip

Modelis, daugiausia apmokytas fotografuoti skaidrias dienos metu, gali sugesti pučiant sningant ar arktinėje tamsoje. Ledo dariniai, šunys ir šviesą atspindintys drabužiai gali sukelti pakartotinius klaidingus pavojaus signalus. Laikui bėgant, gelbėtojai gali pradėti ignoruoti perspėjimus.

Didesnė rizika yra nepasitikėjimas savimi. Kamera gali būti užstrigusi, nukreipta netinkama kryptimi arba nematyti artėjančio lokio už jos matymo lauko ribų. Pranešimas „Nėra perspėjimo“ niekada neturėtų būti interpretuojamas kaip įrodymas, kad lokio nėra.

Vietos duomenys taip pat reikalauja apsaugos. Tiesioginių aptikimų skelbimas gali sukelti lokių trikdymą arba atskleisti informaciją, kurią bendruomenė laiko jautria. Vaizduose gali būti užfiksuoti gyventojai, transporto priemonės ar privati ​​veikla, o tai kelia dar daugiau abejonių dėl privatumo.

Galiausiai, sistema gali organizaciškai sugesti net ir tada, kai jos modelis veikia gerai. Įspėjimai yra mažai naudingi, kai niekam nepaskirta jų peržiūrėti, eskalavimo taisyklės yra neaiškios, nėra atgrasymo įrangos arba darbuotojai nėra ištreniravę reagavimo procedūros.

Praktiškas išsinešimui skirtas maistas

Stipriausia baltųjų lokių perspėjimo sistema nėra ta, kuri turi pažangiausią modelį. Ji yra ta, kuri aptinka aiškiai apibrėžtą riziką, patikimai veikia vietinėmis sąlygomis, apsaugo slaptą informaciją ir kiekvieną svarbų sprendimą palieka apmokytiems žmonėms, kurie supranta bendruomenę ir lokius.

DUK

Kaip dirbtinis intelektas veikia baltuosius lokius ir jų Arkties buveinę?

Dirbtinis intelektas padeda tyrėjams stebėti jūros ledą, sekti lokių judėjimą, peržiūrėti laukinės gamtos vaizdus ir prognozuoti aplinkos pokyčius. Šie įrankiai gali parodyti, kur blogėja buveinių sąlygos ir kurioms populiacijoms gali kilti didesnė problema. Tuo pačiu metu dirbtinis intelektas priklauso nuo energiją eikvojančių duomenų centrų ir fizinės įrangos, todėl jo poveikis aplinkai gali netiesiogiai prisidėti prie klimato kaitos, mažinančios Arkties jūros ledą.

Kaip dirbtinis intelektas naudojamas baltųjų lokių skaičiavimui?

Kompiuterinė rega gali nuskaityti aerofotonuotraukas, dronų įrašus ir palydovinius vaizdus, ​​ieškodama formų, panašių į baltuosius lokius. Tai leidžia tyrėjams sutelkti dėmesį į tikėtinus aptikimus, o ne rankiniu būdu tikrinti kiekvieną vaizdą. Kadangi sniegas, uolos, šešėliai ir ledas gali sukelti klaidingus atitikimus, apmokyti ekspertai vis tiek turi patikrinti reikšmingus radinius, prieš įtraukdami juos į populiacijos įverčius.

Ar dirbtinis intelektas gali atpažinti atskirus baltuosius lokius jų nežymėdamas?

Dirbtinio intelekto pagalba atliekama vaizdų analizė gali atskirti atskirus lokius, tiriant veido bruožus, randus, kūno formą, ausų formą, kailio detales ir judėjimo modelius. Tai gali padėti pakartotinai stebėti lokius fotografuojant, tuo pačiu sumažinant fizinį krūvį tam tikrose situacijose. Tai negali pakeisti antkaklių, genetinių mėginių ėmimo ar veterinarinių tyrimų, kai tyrėjams reikia išsamios biologinės ar sveikatos informacijos.

Kaip dirbtinis intelektas padeda išvengti žmonių ir baltųjų lokių konfliktų?

Dirbtiniu intelektu paremtos kameros ir judėjimo modeliai gali įspėti bendruomenes, kai lokiai gali artėti prie gyvenviečių, stovyklų, kelių ar maisto sandėliavimo vietų. Ankstyvieji įspėjimai suteikia vietos gelbėjimo tarnyboms daugiau laiko pritraukti vilioklius, pakeisti kelionių maršrutus, padidinti patrulių skaičių arba parengti apmokytas reagavimo komandas. Šias sistemas reikia kruopščiai išbandyti, nes praleisti aptikimai ir pakartotiniai klaidingi pavojaus signalai gali sukelti rimtų saugumo problemų.

Ar dirbtinis intelektas gali numatyti, kur toliau judės baltieji lokiai?

Prognozavimo modeliai gali derinti jūros ledo sąlygas, orus, pakrančių geografiją, ankstesnius stebėjimus, grobio prieinamumą ir istorinius judėjimo duomenis. Jie gali nustatyti vietoves, kuriose lokiai yra labiau linkę keliauti arba artėti prie žmonių gyvenviečių. Šios prognozės yra įvertinimai, o ne garantijos, nes individualus elgesys, sezoninės sąlygos ir vietos ekologija gali lemti, kad lokiai judėtų kitaip nei prognozuota.

Kaip dirbtinis intelektas gali padėti mokslininkams įvertinti baltųjų lokių sveikatą?

Dirbtinis intelektas gali analizuoti nuotraukas ar vaizdo įrašus, ieškodamas matomų požymių, tokių kaip kūno dydis, laikysena, judesiai, riebalų atsargos ir galimi sužalojimai. Vaizdų palyginimas laikui bėgant gali padėti tyrėjams aptikti mitybos stresą arba regioninius kūno būklės pokyčius. Vizualinė analizė vis dar turi apribojimų, nes kameros kampas, šlapias kailis, apšvietimas, atstumas ir sezoniniai pokyčiai gali padaryti sveiką lokį neįprastai liesą.

Ar dronai saugūs baltųjų lokių tyrimams?

Dronai gali rinkti vaizdus, ​​sudaryti buveinių žemėlapius ir padėti atlikti populiacijų tyrimus, tuo pačiu sumažinant pavojingą lauko darbą. Dirbtinis intelektas gali padėti planuoti skrydžius, rūšiuoti vaizdus, ​​aptikti gyvūnus ir užkirsti kelią pasikartojančiam skaičiavimui. Dronai vis tiek gali trikdyti lokius, kai skraidomi per žemai arba per arti, todėl atsakingiems projektams reikalingos griežtos eksploatavimo taisyklės ir atidus gyvūnų elgesio stebėjimas.

Kaip dirbtinis intelektas neigiamai veikia baltuosius lokius?

Dirbtinio intelekto sistemoms reikalinga elektra, aušinimas, kompiuterių lustai, gamyba, transportavimas ir įrangos keitimas. Kai ši infrastruktūra naudoja daug taršią energiją, ji gali padidinti šiltnamio efektą sukeliančių dujų išmetimą ir sustiprinti Arkties buveines veikiančią klimato kaitos spaudimą. Poveikio mastas labai skiriasi priklausomai nuo modelio dydžio, aparatinės įrangos efektyvumo, elektros energijos šaltinių, serverių naudojimo ir to, ar skaičiavimo darbai atliekami siekiant aiškaus gamtos apsaugos tikslo.

Kodėl čiabuvių žinios yra svarbios baltųjų lokių dirbtinio intelekto projektuose?

Vietinės bendruomenės turi išsamių žinių apie baltųjų lokių elgesį, jūros ledą, orus, grobį, kelionių sąlygas ir sezoninius pokyčius. Ši patirtis gali padėti tyrėjams interpretuoti modelių rezultatus ir atpažinti modelius, kurių nuotolinis stebėjimas gali nepastebėti. Atsakingi projektai taip pat turėtų spręsti sutikimo, duomenų nuosavybės, prieigos prie išvadų, jautrių vietų apsaugos ir teisingo tradicinių žinių pripažinimo klausimus.

Kas lemia dirbtinio intelekto baltųjų lokių apsaugos projekto atsakingumą?

Atsakingas projektas prasideda nuo aiškiai apibrėžtos gamtosaugos problemos ir jai spręsti naudojamas mažiausias tinkamas įrankis. Reikšmingus aptikimus ir prognozes turėtų peržiūrėti žmonės, o modeliai turėtų būti išbandyti Arkties lauko sąlygomis. Stiprūs projektai taip pat įtraukia vietos bendruomenes, apsaugo jautrius duomenis, perteikia neapibrėžtumą, atsižvelgia į energijos suvartojimą ir susieja savo išvadas su praktiniais gamtosaugos sprendimais.

Nuorodos

1. Tarpvyriausybinė klimato kaitos komisija (IPCC) – Jūros ledo nykimas ir transformacija – ipcc.ch

2. Jungtinių Valstijų geologijos tarnyba (USGS) – baltųjų lokių paplitimas ir judėjimas – usgs.gov

3. NASA Earthdata – earthdata.nasa.gov

4. NOAA žuvininkystė – fisheries.noaa.gov

5. Nacionalinis biotechnologijų informacijos centras, „PubMed Central“ – palydoviniai vaizdai – pmc.ncbi.nlm.nih.gov

6. Kanados mokslo leidykla – Dronai ir nuotoliniu būdu valdomos sistemos gali padėti rinkti vaizdus – cdnsciencepub.com

7. Tarptautinė energetikos agentūra (TEA) – iea.org

8. Jungtinių Tautų aplinkosaugos programa (UNEP) – Dirbtinis intelektas taip pat daro poveikį aplinkai – unep.org

9. Nacionalinis standartų ir technologijų institutas (NIST) – nist.gov

10. Poliarinių lokių susitarimas – čiabuvių įtraukimas ir tradicinių ekologinių žinių integravimas – polarbearagreement.org

11. „Polar Bears International“ – ankstyvojo perspėjimo sistemos apie „Bear-dar“ – polarbearsinternational.org

12. „YouTube“ – youtube.com

Raskite naujausią dirbtinį intelektą oficialioje dirbtinio intelekto asistentų parduotuvėje

Apie mus