Strażnicy znajdują pięć razy więcej wnyk na zwierzęta. To efekt „zatrudnienia“ PAWS - SI do walki z kłusownikami

Szacuje się, że kłusownictwo to czwarty najbardziej dochodowy nielegalny proceder na świecie, zaraz po handlu narkotykami, handlu bronią oraz handlu ludźmi. Krwawy rynek może generować od 8 do 10 miliardów dolarów zysku rocznie, mając jednocześnie gigantyczny udział w 60-procentowej redukcji globalnej populacji zwierząt, licząc od 1970 roku. Część kłusowników nie waha się nawet przed morderstwem, czego przykładem jest zabójstwo sześciu strażników rezerwatu w Kongo, zaskoczonych i wziętych w zasadzkę.

Strażników zawsze jest mniej niż kłusowników. Do tego muszą pilnować terenów rozciągniętych na setki i tysiące kilometrów kwadratowych. To nierówna walka, w której codziennie padają ofiary - najczęściej zwierzęce, ale od czasu do czasu również po stronie ludzi. Aby wyrównać szanse instytucji chroniących zagrożone gatunki, naukowcy postanowili wykorzystać sztuczną inteligencję. W ten sposób powstało PAWS.

PAWS (z angielskiego ŁAPA) to skrót od Protection Assistant for Wildlife Security - jednego z najbardziej obiecujących systemów ochrony parków i rezerwatów opartych na algorytmach sztucznej inteligencji. Początki PAWS sięgają 2013 r., kiedy to profesor Harvardu Milind Tambe uczestniczył w spotkaniu poświęconym wymierającym gatunkom, gdzie został porażony perspektywą najbliższej przyszłości bez takich zwierząt jak tygrysy. Od tamtego czasu Tambe opracowuje i ulepsza PAWS, testując SI podczas współpracy z rozmaitymi rezerwatami przyrody.

Protection Assistant for Wildlife Security to sztuczna inteligencja, która organizuje strażnikom parków i rezerwatów codzienną pracę. PAWS dzieli chroniony teren na malutkie sektory o powierzchni jednego kilometra, a następnie wyznacza personelowi sugerowane trasy patroli oraz wskazuje szczególnie niebezpieczne miejsca. PAWS bierze przy tym pod uwagę takie zmienne jak ruchy stad zwierząt, umiejscowienie rzek i pastwisk, odległość od dróg i szlaków, pory roku, pogoda czy topografia terenu.

Rozwiązanie profesora Milinda Tambe jest tak dobre, jak dobre są wcześniejsze dane zbierane przez pracowników parku. Spotkania z kłusownikami, znalezione wnyki i pułapki czy migracje stad - wszystko to bezcenne informacje dla PAWS, na podstawie których SI tworzy konkretny plan działania, maksymalizując możliwości żywego personelu. PAWS korzysta przy tym z danych w systemie SMART - to rozwiązanie open source od lat stosowane przez część parków i rezerwatów.

Aby Protection Assistant for Wildlife Security w pełni rozwinęło skrzydła, SI przydadzą się informacje sięgające nawet dekadę wstecz. Oczywiście poleganie na zebranych danych to także pięta Achillesa nowoczesnego systemu. Jeśli informacje są błędne lub niekompletne, otrzymujemy na ich podstawie mylne wnioski oraz rozwiązania. Z kolei w przypadku ochrony rezerwatu bardzo łatwo o niedostateczne dane. Wystarczy np. ominąć pokaźną grupę pułapek podczas patrolu.

Dzięki współpracy z SI, pracownicy wcześniej wspomnianego rezerwatu Sepak Wildlife Sanctuary w Kambodży znajdują aż pięciokrotnie więcej wnyków na zwierzęta niż przed wdrożeniem sztucznej inteligencji. Wnioski pochodzące od SI wykraczają jednak daleko poza sugerowane rozmieszczenie pułapek. PAWS pokazał strażnikom rezerwatu np. szlaki kłusowników, biorąc pod uwagę ich zmianę w czasie.

Dzięki PAWS zarejestrowane nawet różnicę w działaniach kłusowników z Kambodży oraz sąsiedniego Wietnamu, wyrażoną w preferowanych metodach polowania, poruszania się i pozostawiania pułapek. Wszystko to gigantyczna pomoc dla pracowników parków, którzy statystycznie są w stanie wyeliminować około 10 proc. wszystkich zagrożeń czyhających na chronione zwierzęta. Dzięki narzędziom takim jak PAWS ten wskaźnik może odczuwalnie wzrosnąć.