Amazonas-regnskogen, som dekker et enormt område på 2,3 millioner kvadratkilometer, er verdens største regnskog og det området med størst biologisk mangfold.
Amazonas, som strekker seg over ni land, er avgjørende for planetens helse, fordi den absorberer karbondioksid, regulerer værmønsteret og utgjør et levested for utallige arter.
Avskoging og ulovlig bruk av landområder har truet Amazonas i flere tiår, noe som har ført til tap av habitat i stor skala og nesten irreversible skader på økosystemet.
Ifølge Bevaring av AmazonasI 2022 alene gikk nesten 5 millioner dekar regnskog tapt, en økning på 21% fra året før.
AI-løsninger for naturvern
Dypt inne i regnskogen i Amazonas roter dyrene seg gjennom undervegetasjonen uten å vite at de blir fanget opp av kameraer og mikrofoner.
Bildene og opptakene gir ikke bare et spennende innblikk i dyrenes liv i regnskogen - de er også en del av et sofistikert AI-drevet prosjekt for å løse problemet med avskoging.
Ved hjelp av data, maskinlæring (ML) og skyteknologi utvikler eksperter innovative programmer som tar sikte på å gjenkjenne avskogingsmønstre og gi beslutningstakere data som de kan bruke til å iverksette tiltak.
Kunstig intelligens har blitt en integrert del av det globale bevaringsarbeidet, og gir forskere mulighet til å kombinere data fra sensorer, kameraer og satellitter.
Prosjekt Guacamayaet samarbeid mellom Alexander von Humboldt-instituttet, CinfonIA Research Center ved Universidad de los Andes, Instituto Sinchi og Microsofts AI for Good Labhar som mål å overvåke avskogingen og det biologiske mangfoldet i colombiansk Amazonas.
Juan Lavista Ferres, visepresident og Chief Data Scientist ved Microsofts AI for Good Lab, beskriver det slik: "Dette prosjektet kommer ikke til å løse alle problemene Amazon har, men det kommer til å løse ett som jeg mener er grunnleggende: Du kan ikke løse et problem hvis du ikke kan måle det."
En tredelt tilnærming
AIs evne til å arbeide med data på tvers av flere modaliteter gir forskere en detaljert oversikt over dette enorme og komplekse miljøet.
Satellittdata gir for eksempel en makroanalyse av skogen, inkludert avskoging, ulovlig gruvedrift og endringer i arealbruk.
Samtidig sporer kameraer og sensorer på bakken makroendringenes innvirkning på det lokale biologiske mangfoldet, for eksempel ved å spore tap av leveområder.
Slik gjør du det Prosjekt Guacamaya kombinerer ulike AI-systemer:
Trinn 1: Satellittdata for makroanalyse av landområder
Den første komponenten i Project Guacamaya er å utnytte satellittdata fra Planet Labs.
Satellittdata forsyner prosjektet med daglige høyoppløselige bilder av regnskogen i Amazonas, noe som muliggjør overvåking i nær sanntid. Dette er avgjørende for å oppdage raske endringer i skogdekket eller tegn på ulovlige aktiviteter.
AI-modellene som utvikles i denne fasen, trenes opp til å søke etter indikatorer på avskoging eller ulovlig gruvedrift, for eksempel uautoriserte veier eller rydninger.
Ved å automatisere satellittovervåkingen kan teamet varsle colombianske myndigheter nesten umiddelbart etter at mistenkelig aktivitet begynner.
Trinn 2: Skjulte kameraer for innsikt på bakkenivå
Skjulte kameraer er strategisk plassert rundt omkring i colombiansk Amazonas for å supplere satellittdata.
Disse kameraene tar tusenvis av bilder hver dag, og de mates inn i AI-modeller som identifiserer og klassifiserer dyr.
I tillegg til å spore artenes bevegelser på regnskogbunnen, fungerer dette også som et varslingssystem. Hvis dyr for eksempel blir funnet utenfor sine naturlige økosystemer, kan det tyde på lokale endringer som krever nærmere undersøkelser.
Trinn 3: Bioakustikk for klassifisering av dyr
Til slutt inkorporerer Project Guacamaya lyddata, eller bioakustikk, som er innhentet direkte fra regnskogen i Amazonas.
Spesialisert utstyr brukes til å ta opp de naturlige lydene i skogen, og dataene mates inn i AI-modeller opplært til å skille mellom fuglelyder og andre lyder og klassifisere dem i spesifikke arter.
Med en identifikasjonspålitelighet på over 80% hjelper disse AI-modellene forskere med å forstå dyrs atferd, spore arters migrasjon og oppdage tilstedeværelsen av invasive eller truede arter.
Bekjempelse av avskoging i Brasil
I et eget prosjekt samarbeider Microsoft med miljøorganisasjonen Imazon og den ideelle organisasjonen PrevisIA i Brasil for å oppdage ulovlig gruvedrift og avskoging ved hjelp av satellittanalyse.
"Vi bruker PrevisIA til å forutse risikoområdene og iverksette tiltak for å unngå avskoging", sier Carlos Souza, seniorforsker hos Imazon.
Tidligere i år ble skogområdet i Triunfo do Xingu desimert, og et område tilsvarende 700 fotballbaner gikk tapt på bare én måned. Ifølge PrevisIA er det også den regionen som har høyest risiko for ytterligere avskoging i 2023.
Innen året er omme, anslår AI at rundt 271,52 kvadratkilometer skog vil være tapt.
Carlos Souza Jr. er seniorforsker ved Imazon og prosjektkoordinator for PrevisIA, og han fremhevet den proaktive kraften i denne tilnærmingen: "Eksisterende modeller for å forutsi avskoging var langsiktige, og så på hva som ville skje om flere tiår. Vi trengte et nytt verktøy som kunne komme i forkant av ødeleggelsene."
Ved hjelp av en kombinasjon av geostatistikk og historiske data tar modellen hensyn til variabler som hemmer eller fremmer avskoging, for eksempel landområder som er beskyttet av urfolkssamfunn.
PrevisIA kommer også lokale interessenter til gode, deriblant banker og bedrifter, som bruker dataene til å ta miljøvennlige beslutninger.
Fra reaktiv til proaktiv konservering
AIs evne til å arbeide med komplekse data i tilnærmet sanntid støtter et nytt paradigme for proaktiv bevaring.
Tidligere måtte forskerne først og fremst basere seg på manuelt innsamlede feltdata, noe som ikke kan håpe å fange opp dynamikken i et så stort område som Amazonas.
José Godofredo Pires dos Santos, statsadvokat i Pará, beskrev behovet for forebyggende tiltak og sa: "Vi ønsker ikke å måtte fortsette å komme inn etter at skaden allerede er skjedd."
Forskerne påpeker at det endelige målet er å gjøre disse modellene til åpen kildekode, slik at de kan brukes i andre globale prosjekter.
AIs rolle i naturvern: eksempler fra 2023
I en verden som sliter med klimaendringer, tap av leveområder og nedgang i det biologiske mangfoldet, kommer tradisjonelle bevaringsmetoder ofte til kort.
I 2023 har vi sett en rekke fascinerende bevaringsprosjekter som utnytter kunstig intelligens og maskinlæring.
Her er tre eksempler fra de siste månedene:
Akustisk overvåking av delfiner i Amazonas
Forskere ved det tekniske universitetet i Catalonia i Barcelona har trent opp et nevralt nettverk til å skille mellom to truede delfinarter i Amazonas-elven - Boto og Tucuxi - basert på deres unike akustiske kommunikasjon.
Ved å installere undervannsmikrofoner i Mamirauá-reservatet i den brasilianske regnskogen i Amazonas kan teamet overvåke elvedelfiner med minimale forstyrrelser.
Den AI-teknologi bidrar til å skille delfinlyder fra andre lyder i omgivelsene.
Norges AI-drevne kontroll av fiskeinnvandring
Stillehavslaksen, en invaderende art, truer de stedegne atlantiske laksebestandene i europeiske vassdrag.
Huawei og Berlevåg Jeger-og Fiskerforening (BJFF) har bygget et AI-filtreringssystem for fisk i Storelva i Norge.
Ved hjelp av en modell for datasyn (CV), dette systemet kan skille mellom atlanterhavslaks og stillehavslaks med 90% nøyaktighet, og avlede de invasive artene til en ventebukt før de slippes ut i havet.
Dette innovative systemet "ser" den invaderende stillehavslaksen og forhindrer den trygt fra å invadere europeiske vassdrag.
Telling av lundefugl i Storbritannia
Lundefuglen, som er en elsket, men sårbar sjøfugl i Storbritannia, har historisk sett vært vanskelig å overvåke.
Rangerne har tradisjonelt talt dem manuelt - en vanskelig og tidkrevende oppgave.
I samarbeid med Microsoft, Avanade og NatureScot er SSE Renewables i gang med Pilotering av et AI-system for å telle lundefugl på Isle of May utenfor kysten av Skottland.
Kameraer tar bilder av lundefugl i sanntid, og en AI modell trent på merkede bilder kan skille ut individuelle fugler med minimal menneskelig innblanding.
Fremtiden for kunstig intelligens innen naturvern
Den voksende rollen kunstig intelligens spiller i naturvernarbeidet har vist seg å være effektiv i en rekke ulike økosystemer - fra Amazonas-elven til europeiske vassdrag og skotske kystlinjer.
AI er en kraftmultiplikator som hjelper forskerne med å holde oversikt over komplekse biodynamiske data.
Etter hvert som infrastrukturen som kreves for å trene opp og distribuere AI-modeller blir mer tilgjengelig, vil det bli enklere å bygge modeller for unike naturvernproblemer, selv uten betydelige ressurser.
I fremtiden vil naturvernere kunne bygge sofistikerte, lette AI-systemer med minimal ekspertise.
