Дрони та штучний інтелект переписують виживання та управління дикою природою

Можливості штучного інтелекту (ШІ) все частіше використовуються для захисту видів, що знаходяться під загрозою зникнення.

Та сама технологія, яка, на думку багатьох, може одного дня призвести до втрати робочих місць або навіть становити загрозу для людства, зараз використовується для порятунку тварин. Штучний інтелект стає на захист видів, що знаходяться під загрозою зникнення, по всьому світу безліччю способів, включаючи відстеження моделей пересування та втрати води у водно-болотних угіддях і річках, посилення зусиль проти браконьєрства, розробку передових систем попередження та підрахунок видів за допомогою методів класифікації та спостереження.

Завдяки всім цим зусиллям, штучний інтелект допоміг врятувати скорочуване населення Слони, риба, ящери, носорогів, руді вовки, Флоридські пантери, і багато іншого.

Штучний інтелект здатний знаходити, ідентифікувати та захищати вразливі види, аналізуючи величезні обсяги даних, виявляючи тенденції та моніторячи екосистеми з плином часу. На відміну від традиційних методів, які порушують екосистеми та потребують значного часу, робочої сили та ресурсів, ШІ робить все це швидко та ефективно.

З огляду на те, що до мільйона видів перебуває на межі зникнення, а біорізноманіття скорочується тривожними темпами, штучний інтелект пропонує потужні інструменти для підтримки зусиль зі збереження природи. Його переваги, включаючи підвищену ефективність, швидшу обробку даних, автоматизований моніторинг дикої природи, покращене виявлення загроз, сповіщення в режимі реального часу, краще прийняття рішень та масштабований обмін даними, можуть допомогти революціонізувати підходи до захисту видів, що знаходяться під загрозою зникнення.

В результаті, дослідники звертаються до штучного інтелекту для моніторингу біорізноманіття та посилення зусиль щодо допомоги видам, що знаходяться під загрозою зникнення. 

Останнє дослідження дослідників з Університету Флориди саме це й зробило. Вони використали штучний інтелект, щоб виявити місце гніздування, де в Амазонії мешкає аж 41,000 XNUMX черепах. Це відкриття стало можливим завдяки розумному моделюванню та дронам.

Використання інноваційних методів у поєднанні з аерофотознімками та статистичною корекцією допомогло виявити основні недоліки традиційних методів підрахунку та дозволяє вести точніший моніторинг дикої природи.

«Ми описуємо новий спосіб ефективнішого моніторингу популяцій тварин», — сказав Ісмаель Брек, провідний автор дослідження та постдокторський науковий співробітник Школи лісових, рибних та геоматичних наук Інституту харчових та сільськогосподарських наук Університету Флориди (UF/IFAS). «І хоча цей метод використовується для підрахунку черепах, його також можна застосовувати до інших видів».

Сезонна агрегація: ключ до точного підрахунку дикої природи

Коли йдеться про вивчення динаміки популяцій, наприклад, як види ростуть, скорочуються або переміщуються, розуміння взаємовідносин між хижаком і жертвою та міжвидових взаємодій, а також аналіз наслідків перетворення середовища існування та глобальної зміни клімату, чисельність є фундаментальною змінною в екології та охороні природи.

Спостерігаючи за цим з часом, ми також можемо виявляти та прогнозувати тенденції в популяціях інвазивних або зникаючих видів.

Хоча знання кількості видів допомагає відстежувати зміни, виявляти загрози та вимірювати успішність зусиль щодо захисту чи контролю, оцінити цю чисельність дуже складно, особливо на великих територіях, де види є рідкісними, невловимими або широко розсіяними. Це ускладнює точний пошук та підрахунок видів.

Ефективним способом підвищення ефективності та точності цих зусиль щодо оцінки та моніторингу чисельності є підрахунок тварин у періоди просторової агрегації.

Це означає, що деякі види диких тварин демонструють сезонну поведінку, за якої вони концентруються на невеликих територіях для відпочинку, спарювання, розмноження, гніздування та соціальної взаємодії, що забезпечує ідеальну можливість для їхнього підрахунку. Наприклад, черепахи збираються разом, щоб гніздитися на пляжах і піщаних мілинах.

Для відбору проб цих просторово агрегованих популяцій диких тварин використовуються дрони як ефективний та менш інвазивний метод.

Дрони, також відомі як безпілотні літальні апарати (БПЛА) або дистанційно керовані літальні апарати (ДПЛА), виявилися точнішими та точнішими у підрахунку видів, зібраних в одному місці. Вони також завдають менше турботи тваринам порівняно з наземними дослідженнями.

Для використання дронів траєкторії польоту плануються таким чином, щоб охоплювати всю територію збору видів. Між послідовними фотографіями та бічними смугами зберігаються перекриття, що дозволяє об'єднати всі зібрані зображення в єдину орторектифіковану мозаїку.

Поєднання багатьох менших зображень з усуненням спотворень для створення великого, дуже деталізованого зображення з високою роздільною здатністю та картографічною якістю створює орторектифіковану мозаїку.

Однак підрахунок особин диких тварин в ортомозаїках під час подій агрегації схильний до ненавмисних помилок, що може призвести до упереджених оцінок.

Хоча це швидкий, менш інвазивний та точніший спосіб підрахунку тварин, ніж підрахунок з землі, цей метод не враховує той факт, що тварини іноді рухаються під час спостереження.

Наприклад, тварина може бути прихована рослинністю або просто тимчасово перебувати в іншому місці під час зйомки зображення. Навіть якщо тварина є на зображенні, її може не виявити алгоритм або людина-спостерігач. Інша можливість полягає в тому, що тварини, що рухаються, з'являються на фотографіях кілька разів.

Важливим фактором, згідно з останнім дослідженням, є те, що ці концентрації видів зазвичай є тимчасовими, причому особини прибувають і відлітають протягом кількох днів через гніздування, розмноження або міграцію, що спричиняє коливання чисельності популяції.

Отримані помилки в результаті цієї «відкритої популяції» можуть дати нам неправильні цифри, причому занепокоєння викликає те, що «ці помилки широко ігноруються в оцінках чисельності, отриманих на основі ортомозаїчних підрахунків, отриманих за допомогою дронів».

Отже, дослідники з Університету Флориди хотіли створити підхід, який враховує численні джерела помилок. Для цього вони використовують два типи наборів даних: повторні спостереження позначених тварин та загальний підрахунок популяції.

Аероспостереження та інтелектуальне моделювання революціонізують оцінки населення

У співпраці з неурядовими дослідниками Нью-Йоркського товариства охорони дикої природи (WCS) у Колумбії, Бразилії та Болівії, проєкт розпочався з дослідження гігантських південноамериканських річкових черепах (Podocnemis expansa), яких також називають гігантською амазонською черепахою, річковою черепахою або просто Аррау.

Опубліковано в журналі «Прикладна екологія» дослідження¹ було зумовлено необхідністю оцінити чисельність річкових черепах та розробити протокол моніторингу для них під час найбільшого у світі відомого скупчення прісноводних черепах. 

Річкові черепахи зазнали історичного скорочення, або зникли з багатьох приток річок Амазонки та Оріноко, або були присутні в значно меншій щільності.

Їхня популяція значно скоротилася, головним чином через надмірну експлуатацію браконьєрами заради споживання м'яса та яєць. В результаті їхні великі скупчення зараз стали рідкістю.

Тим не менш, по всьому ареалу поширення є кілька великих популяцій цього виду, і деякі з них, здається, відновлюються, а їхня сезонна поведінка надає безцінну можливість для моніторингу їхніх популяцій. 

Тисячі цих соціальних істот збираються щороку протягом сухого сезону (липень або серпень), щоб гніздитися на піщаних мілинах річки Гуапоре, вздовж кордону між Бразилією та Болівією. 

Щоб оцінити їхню чисельність, раніше експерти покладалися на підрахунок пташенят після їхнього вильоту, на основі чого екстрапольували кількість самок, використовуючи середню кількість яєць на гніздо. Це інвазивний та трудомісткий метод через необхідність огородження периметра та маніпулювання пташенятами. 

Крім того, окремі гнізда неможливо відрізнити одне від одного, що робить не тільки складним, але й навіть неможливим оцінити чисельність у районах зі значним масовим гніздуванням.

Є ще один спосіб – візуальний підрахунок дорослих черепах із землі, але цей також пов’язаний із труднощами постійного руху та взаємного заважання.

Тут тестують дрони для дослідження популяцій річкових черепах. подаючи великі надії як ефективний та точний метод оцінки чисельності їх популяцій під час гніздування, що важливо для оцінки тенденцій популяцій та ефективності природоохоронних заходів.

Отже, дослідники застосували розроблений ними підхід моделювання, щоб визначити популяцію річкових черепах, коли вони збираються разом для гніздування. 

Враховуючи кілька джерел помилок, це пропонує екологам новий метод для більш точного моніторингу тварин, що знаходяться в групі ризику.

За словами дослідників, новий підхід пропонує кілька переваг, зокрема аерофотознімки для підрахунку річкових черепах без будь-яких перешкод. Використання менш інвазивного методу також зменшує турбування тварин. 

Більше того, цей підхід забезпечує єдиний підхід, який можна застосовувати та порівнювати на різних ділянках та в різні роки. З огляду на ці переваги, дослідники очікують, що урядові та неурядові установи використовуватимуть протокол, подібний до їхнього, для моніторингу виду.

Натисніть тут, щоб дізнатися, чому технологія дронів має надзвичайно високий потенціал, незважаючи на часте неправильне використання.

Розумна, масштабована модель з виправленими помилками для моніторингу дикої природи світу

Щоб підрахувати черепах, дослідники позначили панцири 1,187 річкових черепах білою фарбою, і протягом дванадцяти днів вони запускали дрон над головою, слідуючи точною траєкторією туди-сюди чотири рази на день.

Дрон щоразу робив 1,500 знімків, які потім об'єднувалися за допомогою програмного забезпечення. Потім дослідники переглянули складені зображення. Вони зафіксували кожну черепаху, а також те, чи був позначений її панцир, і чи тварина йшла чи гніздилася під час фотографування. 

Використовуючи ці дані, вони розробили моделі ймовірності, які враховують численні джерела помилок. У ньому використовувалися дані міток та загальний підрахунок популяції, щоб врахувати особин, недоступних для виявлення під час польоту, відкриту популяцію (постійне приєднання та відліт) під час гніздування, позначених особин, виявлених у мозаїці з неідентифікованими мітками, та подвійний підрахунок через процес побудови ортомозаїки.

Таким чином, команда оцінює, що щоденна ймовірність гніздування становить 0.37, і що 35% річкових черепах, які використовували піщану мілину вночі, також присутні під час ранкового польоту дрона. 

Крім того, вони виявили, що 20% черепах, які ходять по ортомозаїці, підраховані подвійно, а ймовірність ідентифікації позначки становила 0.78. Таким чином, новий підхід забезпечує точніший спосіб підрахунку диких тварин за допомогою дронів.

Під час підрахунку черепах наземні спостерігачі повідомили про близько 16,000 79,000 черепах, тоді як дослідники, які переглянули ортомозаїки без урахування помилок, нарахували близько XNUMX XNUMX черепах.

Але, використовуючи цю методику, дослідники оцінюють загальну чисельність черепах у місці скупчення у 41,377 XNUMX особин. За словами Брека:

«Ці цифри дуже різняться, і це проблема для захисників природи. Якщо вчені не можуть встановити точну кількість особин виду, як вони дізнаються, чи скорочується популяція, чи успішні зусилля щодо її захисту?»

Хоча оцінки стосуються великої кількості річкових черепах, дослідники зазначають, що, ймовірно, це лише частина їхньої історичної популяції в регіоні Амазонки, виходячи з історичних записів про експорт яєць. Не кажучи вже про те, що гніздування тривало ще кілька днів після останнього польоту дрона.

Таким чином, дослідження рекомендує продовжити використання інструменту моніторингу протягом усього періоду гніздування. Також для комплексної оцінки гніздової популяції слід включити інші піщані мілини в регіоні.

У зв'язку з цим дослідницька група планує проводити більше польотів дронів на місці гніздування річки Гуапоре, а також в інших країнах Південної Америки, де збираються річкові черепахи, таких як Колумбія, а можливо, і Венесуела та Перу. Це допоможе команді покращити методи моніторингу.

«Поєднуючи інформацію з кількох опитувань, ми можемо виявити тенденції популяції, і Товариство охорони дикої природи знатиме, куди інвестувати в природоохоронні заходи».

– Брек

Хоча розроблена структура спочатку була зумовлена необхідністю покращити моніторинг річкових черепах, дослідники зазначили, що вона «дуже універсальна та може бути легко використана або адаптована до кількох різних контекстів».

Окрім річкових черепах, розроблену методологію також можна застосовувати та адаптувати до природоохоронних робіт, що охоплюють інші види, що знаходяться під загрозою зникнення, що досліджуються за допомогою ортомозаїк на основі дронів.

Наприклад, попередні дослідження моніторингу за допомогою дронів включали стрижку хутра тюленів, маркування гірських козлів та бізонів пейнтбольними кулями, а також прикріплення нашийників до лосів для відстеження їхнього пересування під час обліку.

Зрештою, нову модель можна використовувати для ефективного та своєчасного моніторингу чисельності в програмах охорони та управління дикою природою.

Інвестування в технології збереження природи

Улюбленець ШІ NVIDIA Corporation (NVDA ) відіграє велику роль у порятунку тварин та нашої планети. 

Її графічні процесори працюють на багатьох моделях глибокого навчання, що використовуються в розпізнаванні зображень, виявленні об'єктів та програмному забезпеченні для моніторингу навколишнього середовища. Компанія навіть пропагує використання штучного інтелекту для глобального блага, включаючи дослідження біорізноманіття.

NVIDIA Corporation (NVDA )

Зараз серед компаній, що використовують технології Nvidia, науково-дослідний інститут штучного інтелекту Ai2 розробив EarthRanger для прийняття більш обґрунтованих операційних рішень щодо збереження дикої природи в режимі реального часу. Найбільша у світі база даних про слонів навчена на графічних процесорах NVIDIA Hopper. Вона також відображає дані про велику кількість диких тварин, зібрані з радіостанцій, супутників, фотопасток, акустичних датчиків та інших джерел даних. 

Нещодавно Ai2 також випустила модель штучного інтелекту з відкритим кодом під назвою Atlantes, яка аналізує понад п'ять мільярдів GPS-сигналів на день, що випромінюються майже 600,000 80 океанських суден, і прогнозує дії будь-якого з цих суден з точністю близько 4.7%. Якщо судно займається незаконним промислом, модель надсилає сповіщення береговій охороні. Модель Atlantes на основі трансформатора з 100 мільйонами параметрів навчається на графічних процесорах NVIDIA HXNUMX Tensor Core та PyTorch.

Годинники RhinoWatch від Rouxcel Technology на базі штучного інтелекту навчаються та оптимізуються за допомогою прискорених обчислень NVIDIA. Вони розгорнуті в понад 40 південноафриканських заповідниках і розширюються в Кенії та Намібії. Наразі компанія розробляє моделі штучного інтелекту для більшої кількості видів, включаючи панголінів, що знаходяться під критичною загрозою зникнення.

Тим часом модулі NVIDIA CUDA та Jetson використовуються для периферійного штучного інтелекту та обробки даних компанією OroraTech, яка поєднує дані із супутників, камер, аерофотоспостережень та місцеву метеорологічну інформацію для моніторингу браконьєрства тварин та лісових пожеж, а також надання сповіщень у режимі реального часу.

Але це ще не все. Протягом багатьох років технології Nvidia використовувалися для багатьох інших цікавих експериментів, зокрема з відродження вимирання. Наприклад, Colossal Biosciences... використовуючи технологію редагування генів, моделі штучного інтелекту та програмний пакет NVIDIA Parabricks повернути птаха додо, шерстистого мамонта та тасманійського тигра.

Окрім дикої природи, технології Nvidia допомагають вченим, дослідникам та розробникам краще зрозуміти клімат, океани та космос.  

З ринковою капіталізацією в 4.39 трильйона доларів, акції компанії, що займається повноцінною обчислювальною інфраструктурою, зараз торгуються на рівні 180.95 долара, що на 34% більше, ніж за рік. 

Ціна акцій компанії зросла більш ніж на 59% за останні три місяці. Тільки в останній день липня акції досягли 52-тижневого максимуму в 183.30 долара, що свідчить про збереження високої довіри інвесторів до компанії та її майбутніх перспектив.

При цьому його прибуток на акцію (TTM) становить 3.10, а коефіцієнт P/E (TTM) – 57.98, тоді як запропонована дивідендна дохідність становить 0.02%.

За перший квартал, що закінчився 27 квітня 2025 року, Nvidia повідомила про дохід у розмірі 44.1 мільярда доларів. Основним рушієм цього є центри обробки даних, на які припадає 39.1 мільярда доларів доходу, що становить колосальні 89% від загального обсягу продажів компанії. Цьому сприяло вибухове зростання попиту на штучний інтелект.

Це зростання відбулося попри геополітичні невдачі, які завдали Nvidia через обмеження на експорт своїх чіпів H20 у Китаї. Ці чіпи, ймовірно, повернуться до Китаю, оскільки адміністрація Трампа запевнила компанію, що їй буде дозволено відновити продажі. Nvidia також оголошений новий «повністю сумісний» графічний процесор для Китаю.

Однак Nvidia може все ще мати труднощі з поверненням своєї колишньої частки ринку, оскільки Бернштейн прогнозує, що частка Nvidia на ринку чіпів штучного інтелекту в Китаї знизиться з 66% минулого року до 54% цього року.

Останні NVIDIA Corporation (NVDA) Новини та події акцій

Висновок

Для підтримки здоров'я та стабільності планети вкрай важливо рятувати види, що знаходяться під загрозою зникнення, оскільки їхня втрата може спричинити каскадні наслідки, впливаючи на всю мережу життя. А оскільки загрози вимирання зростають, як ніколи важливо запровадити ефективний моніторинг.

Тут інтеграція дронів та інтелектуальних методів моделювання знаменує собою значний зсув. Підвищуючи точність та ефективність моніторингу видів, ці технологічні інновації дозволяють нам діяти швидше, розумніше та стратегічніше для захисту найвразливішої дикої природи планети.

Натисніть тут, щоб переглянути список найкращих компаній, що займаються розробкою дронів, у які варто інвестувати.

Список використаної літератури:

1. Брек, І.В., Валле, Д., Феррара, К., Торріко, О., Домік-Ріваденейра, Е. та Фореро-Медіна, Г. Оцінка чисельності агрегованих популяцій за допомогою дронів з урахуванням кількох джерел помилок: тематичне дослідження масового гніздування гігантських південноамериканських річкових черепах. Журнал прикладної екології, вперше опубліковано 17 червня 2025 року. https://doi.org/10.1111/1365-2664.70081