Actualités
Actualités Gadgets

L’IA anti-braconnage PAWS prédit où les braconniers illégaux émergeront ensuite


Le commerce illégal d’animaux est une catastrophe mondiale mais lucrative, d’une valeur de 8 à 10 milliards de dollars par an, selon – le trafic d’êtres humains, de drogue et d’armes uniquement en valeur. Avec autant d’argent gagné, les conservateurs de la faune et les gardes font face à de trop grandes difficultés face à un braconnage bien organisé motivé par la demande continue de produits. Les résultats de ce conflit prolongé ne sont pas surprenants pour les espèces capturées entre les deux.

Au début du 20e siècle, environ 100 000 tigres parcouraient l’Asie du Sud-Est. Aujourd’hui, en raison d’une combinaison de perte d’habitat et de braconnage agressif, moins de 4000 restent à l’état sauvage. Sur le marché noir, les produits fabriqués à partir d’un tigre peuvent se vendre jusqu’à 50 000 $. Les populations de rhinocéros ont également été détruites, passant d’environ 500 000 au début du XXe siècle à seulement 50 000 aujourd’hui. Général, les populations de mammifères, d’oiseaux, de poissons et de reptiles ont diminué de 60% depuis 1970.

Erwin Gianchandani, conseiller principal au bureau du directeur de la National Science Foundation, a déclaré mardi lors d’une discussion au SXSW 2021: «Le braconnage concerne la chasse, la capture ou le meurtre illégaux d’animaux sauvages et cela est fait pour un certain nombre de raisons. . «Certaines personnes braconnent parce qu’elles veulent pouvoir occuper des terres que les animaux habitent à des fins humaines. Dans d’autres cas, les gens chassent parce qu’ils veulent pouvoir obtenir et utiliser des produits animaux rares, des choses comme l’ivoire ou la fourrure, voire des organes et de la peau. Ils le font souvent parce qu’ils estiment que ces produits peuvent avoir une valeur religieuse, médicale, nutritionnelle ou financière. « 

Il a ajouté: «Non seulement les braconniers chassent les animaux, mais ils sont souvent tellement motivés qu’à la fin ils vont en fait blesser ou même tuer les gardes de la faune pour éviter qu’ils ne soient détectés ou arrêtés». Juste en janvier, en service lors d’une patrouille dans le parc national des Virunga au Congo, qui abrite un tiers de la population mondiale de gorilles de montagne.

Bien que les gardes de la faune soient souvent en infériorité numérique et que leurs efforts pour patrouiller dans de vastes réserves naturelles, les systèmes d’IA et l’apprentissage automatique sont sur le point d’améliorer considérablement l’efficacité des gardes.en les aidant non seulement à suivre les braconniers qui sont arrivés, mais aussi à prédire où ils se trouvent le plus susceptible de se présenter.

PAWS (Wildlife Security Assistant) est l’un de ces systèmes. Le professeur Milind Tambe, co-fondateur du USC Center for Artificial Intelligence in Society (CAIS) et directeur du Center for Computational & Social Research de l’Université Harvard, supervise son développement après avoir participé à la conférence Global Tiger Initiative en 2013.

«J’ai découvert des choses incroyables sur les animaux que je lisais à mes enfants des histoires à leur sujet», a-t-il déclaré. .

PAWS exploite les données de braconnage d’un système open source SMART (Space Monitoring and Reporting Tool) développé par la World Wildlife Foundation et utilise des jeux de sécurité – un sous-ensemble de la théorie des jeux dans Ce joueur doit optimiser des ressources limitées pour minimiser les menaces et les attaques – pour proposer le plus itinéraires efficaces pour les rangers pour récupérer ces données historiques.

Tambe et son équipe ont testé PAWS pour la première fois en 2014 au parc national Queen Elizabeth en Ouganda. Le parc abrite de nombreuses espèces en voie de disparition, ainsi que des milliers de pièges et de pièges installés par les braconniers. De plus, le parc de 2 000 kilomètres carrés n’a qu’une centaine de gardes à patrouiller. PAWS travaille en divisant la zone du parc en carrés de 1 km de long, puis en attribuant un facteur de risque à chaque carré en fonction de l’endroit où les pièges ont été trouvés auparavant – ces données valent des décennies. Les décisions sont collectées via SMART. Il a ensuite proposé des itinéraires de patrouille à travers les zones les plus à risque. Ces recommandations changent avec le temps à mesure que les braconniers s’adaptent aux actions des gardes. Période de l’année; emplacements des sentiers, des rivières et des routes; Les conditions météorologiques et la topographie influencent également grandement l’estimation de PAWS. Au cours de la période d’essai de six mois, les rangers du QNEP ont été assignés à l’aveugle entre les itinéraires de patrouille à travers les zones à haut et à faible risque du parc.

« Ce que nous avons découvert, c’est que lorsque PAWS a fait une prédiction de risque plus élevé, il y avait en fait plus de pièges trouvés », a déclaré Tambe. «Là où le pied fait des prédictions [for lower risk] Les gardes ont trouvé moins de pièges. « 

Mais comme tous les systèmes d’apprentissage automatique, PAWS est limité par la qualité des données qu’il saisit. Shahrzad Gholami, un data scientist chez Microsoft, a déclaré lors de la conférence SXSW: «Les données que les rangers collectent ne sont pas parfaites et il y a des incertitudes avec les données. «Donc, dans les endroits qu’ils visitent, ils peuvent ne trouver aucune activité, aucun signe de braconnage, mais cela ne veut pas dire que le braconnage n’existe pas. Il se pourrait que le piège soit bien caché. «Même si les rangers trouvent un piège, ils ne peuvent en tirer que beaucoup d’informations. Par exemple, ils ne peuvent pas savoir si le piège a été installé récemment ou est déjà à sa place. Des semaines voire des mois avant d’être découvert. PAWS ne peut aborder qu’un acte de braconnage spécifique, pas la motivation fondamentale d’un braconnier pour le faire.

Stimulée par leur succès au QNEP, l’équipe de Tambe s’est associée au WWF en 2018 pour amener PAWS dans des aires protégées gérées par la faune, telles que le Wildlife Refuge. Excursion de terrain de Sepak au Cambodge. Situé le long de la frontière orientale du pays avec le Vietnam, Sepak abrite un important troupeau d’éléphants d’Asie ainsi que des bongos, des antilopes, des cerfs, des singes et des léopards. Des tigres ont également erré dans la région, bien qu’aucun n’ait été vu depuis 2007 et que l’on pense être localement éteint. Le WWF prévoit de réintroduire l’espèce à partir de 2022 et a identifié le sanctuaire de Sepak comme un site idéal pour cela. Mais d’abord, ils doivent lutter contre le braconnage dans une zone qui menace à la fois les tigres eux-mêmes et leurs proies.

Comme QNEP, Sepak a une superficie d’environ 1 400 kilomètres carrés, mais seulement 72 rangers à patrouiller. Les sanctuaires de faune cambodgiens présentent également des défis uniques dans la formation PAWS AI qui n’ont pas été rencontrés lors des tests en Ouganda – les moussons, par exemple. L’équipe PAWS a travaillé en étroite collaboration avec les écologistes de Sepak pour développer un modèle efficace, et cette collaboration a conduit à des découvertes surprenantes.

«Par exemple, cela nous a aidés à découvrir cela au-delà de la simple modélisation des distances des routes», a déclaré Gholami. « Nous devrions vraiment modéliser la distance d’une route particulière appelée Route 76, une autoroute principale qui traverse le parc. » L’équipe a également constaté que les activités de braconnage diffèrent selon le pays d’origine des braconniers. Autrement dit, les braconniers transfrontaliers du Vietnam se comportent et réagissent différemment aux braconniers au Cambodge. La période de l’année s’est également avérée être un facteur important car les braconniers modifieront considérablement l’emplacement et la distribution des pièges pendant la saison de la mousson par rapport aux mois secs.

Cependant, le système PAWS s’est avéré très efficace. « Ils ont trouvé cinq fois plus de pièges en un mois où l’inspection sur le terrain a eu lieu que pendant tout autre mois en 2018 », a expliqué Gholami.

Ce sont des améliorations prometteuses, mais les défenseurs de la faune sont toujours confrontés à une bataille difficile contre le braconnage. « Les biologistes de la conservation ont estimé que les rangers ne sont efficaces que pour éliminer environ 10% des pièges dans ces parcs », a déclaré Lily Xu, doctorante à Harvard impliquée dans le projet PAWS. «L’un des mécanismes les plus efficaces pour empêcher le braconnage et d’autres crimes de conservation est la dissuasion, donc lorsque les gardes patrouillent dans certaines zones, ils empêcheront les braconniers de revenir. Cependant, les braconniers expulsés d’une zone d’une réserve naturelle changeront souvent leurs opérations vers les environs, mettant en danger la faune à la place.

Malgré les défis, l’équipe de Tambe ne s’est pas découragée. Grâce à un partenariat avec le WWF et d’autres organisations de conservation, Tambe espère déployer des PAWS dans plus de 600 aires protégées à travers le monde ainsi qu’étendre la protection des aires marines et forestières protégées dans le futur.

« Cela présente de nouveaux types de défis qui peuvent ne pas se présenter dans d’autres domaines où l’IA est active », a déclaré Tambe. . «Les leçons que nous avons apprises seront précieuses pour de nombreuses applications; Ils ne se limiteront pas à la criminalité liée aux espèces sauvages. Il existe toutes sortes de défis dans l’application de l’IA à la société et au bien social, et les avantages se répandront dans d’autres domaines.



Source link

Laissez un commentaire