編者按：今天（4月22日）是世界地球日。因而我們也特別選編了一篇用運用科技手段實踐環境保護的文章，與讀者分享。
圖片：研究人員收集信息，用於設計保護區域內的巡邏試驗。圖片來源：ROB PICKLES, PANTHERA。
一個世紀前，地球上有60，000多隻老虎在野外漫步。現在，預計這個數字已經下降到3，200只。偷獵，是主要的原因。為了虎皮、藥物或者打獵玩玩，人類已經將老虎逼迫到了滅種邊緣。大象、犀牛等其他大型動物也是同樣的情況。
人類巡邏一直是保護瀕危動物的直接方式，尤其是在大型國家公園。但是，保護機構的資源有限。
有了美國國家科學基金會（NSF）和陸軍研究辦公室的支持，研究者正在與美國、新加坡、荷蘭和馬來西亞的研究員和保育者共同合作，使用人工智能和博弈論來迎擊偷獵、非法伐木和其他世界性問題。
“在大多數國家公園，巡邏員缺乏規劃，被動而非主動，而且依靠習慣行事。”南加州大學計算機學院博士生Fei Fang説。
Fang參與了NSF資助的南加州大學研究團隊，由計算機科學和工業系統工程教授Milind Tambe帶領，他是Teamcore代理和多代理系統研究組主管。
他們的研究基礎是“綠色安全博弈”——博弈論在野生保護中的應用。理性選擇者會預測自己行為可能遇到的阻礙，計劃牽制阻礙的最佳方法，博弈論就是利用這種衝突與合作的數學和計算模型。海岸警衞隊和運輸安全管理局使用過由Tambe等人開發的類似方法，用來保護機場和水道。
“這項研究可以表明，人工智能對社會可以有非常積極的影響，讓我們可以幫助人類解決一些非常嚴重的挑戰。”Tambe説。
人工智能迎擊偷獵者
團隊在2月的美國人工智能協會會議上呈交了他們的論文，描述瞭如何使用他們的方法，提高世界各地巡邏員的成功率。
研究員們最初在2013年創造了一個AI驅動的應用，叫做PAWS（野生安全保護助理），2014年在烏干達和馬來西亞測試了該應用。PAWS的試驗顯示了一些限制，但是也帶來了一些改善。
PAWS使用了過往巡邏的數據和偷獵的證據。隨着它獲得更多數據，系統“學會”和改善了巡邏規劃。系統已經觀察到了更多的每公里偷獵活動。
它的關鍵進步在於融入複雜的地形信息，包括保護區域的拓撲學。這最小化了巡邏路線的高度變化，節約了時間和精力。而且，系統還可以考慮到大部分動物行走的自然遷徙路徑——因此偷獵活動也最多——為巡邏創造了一個“街道圖”。
“我們得創造可以實際使用的巡邏路線，”Fang説，“路線得回到大本營，而且巡邏路線也不能太長。我們列出所有可能的路線，然後看看哪個最有效果。”
這項應用還將巡邏隨機化，不容易被偷獵者預測。
“如果偷獵者觀察到巡邏員更經常去某一些地方，那麼偷獵者就會跑去別的地方。”Fang説。
自從2015年，兩個非政府組織Panthera和Rimbat已經使用過PAWS，保護馬來西亞的森林。研究獲得了人工智能創新應用大獎。
團隊最近結合了PAWS和一個叫做CAPTURE（帶有臨時和觀察不確定性推理的綜合反偷獵工具）的新工具，CAPTURE可以更加精準地預測襲擊概率。
除了幫助巡邏隊發現偷獵者，這些工具還可能幫助他們截獲走私野生產品和其他高風險貨物，為野生動物增加了一層保護。研究員正與烏干達的野生專家溝通，與今年下半年應用該系統。他們會在第15屆國際自動化代理和多代理系統大會（AAMAS 2016）上呈交他們的研究發現。
“保護我們美麗星球上的自然資源和野生動物，這個任務非常緊迫。我們計算機科學家們可以在各種各樣的方面提供幫助。”Fang説，“PAWS解決的是這個問題的一方面：提升反偷獵巡邏的效率。”
人工智能反擊非法伐木
南加州大學團隊的其他成員正在開發補充方法，來防止非法伐木，這是許多發展中國家中非常重大的經濟和環境問題。
世界自然基金會（WWF）預計，非法伐木行業的貿易額每年在300億和1000億美元。這種行業還威脅了遠古森林，野生動物的關鍵棲息地。
南加州大學、德州大學El Paso分校和密歇根州立大學的研究員最近與非盈利機構Alliance Vohoary Gasy合作，限制馬達加斯加的紅木和烏木的非法砍伐，非法砍伐已經降低了島國的森林覆蓋率。
森林保護機構同樣面臨有限的預算，必須覆蓋很大的區域，因此，合理分配安全資源變得非常關鍵。
小組研究瞭如何在馬達加斯加平衡分配資源，來最大化保護效果。
過往基於博弈論的安全研究通常涉及指定小組——例如，將安全工作人員分配到機場檢查點或者航班。很難為這些情況找到最優安全解決方案。使用開放團隊的方法之前一直不可行。
未解決這個問題，研究員開發了一個叫做SORT（資源小組同時優化）的新方法，他們已經使用馬達加斯加的真實數據試驗性地進行了驗證。
研究組創建了國家公園的地圖，用本地工資和預算，建造了所有可能的安全資源模型，計算了這些情況下所有資源的最佳組合。
“我們比較了用算法做出來的最優團隊，和一個隨機選擇的團隊，我們算法做得更加好。”南加州大學計算機科學博士生Sara McCarthy説。
算法很快很簡單，可以抽離出來用於其他情況各異的國家公園。團隊正在與Alliance Vohoary Gasy合作，在馬達加斯加實施算法。
團隊負責人Tambe説：“我對於我的學生們在野生動物安全和森林保護方面的成就感到非常驕傲。與領域內實踐者的跨學科合作是研究的關鍵，讓我們可以提升人工智能領域的研究。”
另外，項目為其他計算機科學研究者展現了應用技術解決真實世界問題的巨大潛能。
“這項工作的重要性不只是對環境的積極影響，保護野生動物和森林，還有它對其他人的啟發，讓世界變得更美好。”McCarthy説。
Via EurekAlert
資料來源：雷鋒網
作者/編輯：逸炫
圖片：研究人員收集信息，用於設計保護區域內的巡邏試驗。圖片來源：ROB PICKLES, PANTHERA。
一個世紀前，地球上有60，000多隻老虎在野外漫步。現在，預計這個數字已經下降到3，200只。偷獵，是主要的原因。為了虎皮、藥物或者打獵玩玩，人類已經將老虎逼迫到了滅種邊緣。大象、犀牛等其他大型動物也是同樣的情況。
人類巡邏一直是保護瀕危動物的直接方式，尤其是在大型國家公園。但是，保護機構的資源有限。
有了美國國家科學基金會（NSF）和陸軍研究辦公室的支持，研究者正在與美國、新加坡、荷蘭和馬來西亞的研究員和保育者共同合作，使用人工智能和博弈論來迎擊偷獵、非法伐木和其他世界性問題。
“在大多數國家公園，巡邏員缺乏規劃，被動而非主動，而且依靠習慣行事。”南加州大學計算機學院博士生Fei Fang説。
Fang參與了NSF資助的南加州大學研究團隊，由計算機科學和工業系統工程教授Milind Tambe帶領，他是Teamcore代理和多代理系統研究組主管。
他們的研究基礎是“綠色安全博弈”——博弈論在野生保護中的應用。理性選擇者會預測自己行為可能遇到的阻礙，計劃牽制阻礙的最佳方法，博弈論就是利用這種衝突與合作的數學和計算模型。海岸警衞隊和運輸安全管理局使用過由Tambe等人開發的類似方法，用來保護機場和水道。
“這項研究可以表明，人工智能對社會可以有非常積極的影響，讓我們可以幫助人類解決一些非常嚴重的挑戰。”Tambe説。
人工智能迎擊偷獵者
團隊在2月的美國人工智能協會會議上呈交了他們的論文，描述瞭如何使用他們的方法，提高世界各地巡邏員的成功率。
研究員們最初在2013年創造了一個AI驅動的應用，叫做PAWS（野生安全保護助理），2014年在烏干達和馬來西亞測試了該應用。PAWS的試驗顯示了一些限制，但是也帶來了一些改善。
PAWS使用了過往巡邏的數據和偷獵的證據。隨着它獲得更多數據，系統“學會”和改善了巡邏規劃。系統已經觀察到了更多的每公里偷獵活動。
它的關鍵進步在於融入複雜的地形信息，包括保護區域的拓撲學。這最小化了巡邏路線的高度變化，節約了時間和精力。而且，系統還可以考慮到大部分動物行走的自然遷徙路徑——因此偷獵活動也最多——為巡邏創造了一個“街道圖”。
“我們得創造可以實際使用的巡邏路線，”Fang説，“路線得回到大本營，而且巡邏路線也不能太長。我們列出所有可能的路線，然後看看哪個最有效果。”
這項應用還將巡邏隨機化，不容易被偷獵者預測。
“如果偷獵者觀察到巡邏員更經常去某一些地方，那麼偷獵者就會跑去別的地方。”Fang説。
自從2015年，兩個非政府組織Panthera和Rimbat已經使用過PAWS，保護馬來西亞的森林。研究獲得了人工智能創新應用大獎。
團隊最近結合了PAWS和一個叫做CAPTURE（帶有臨時和觀察不確定性推理的綜合反偷獵工具）的新工具，CAPTURE可以更加精準地預測襲擊概率。
除了幫助巡邏隊發現偷獵者，這些工具還可能幫助他們截獲走私野生產品和其他高風險貨物，為野生動物增加了一層保護。研究員正與烏干達的野生專家溝通，與今年下半年應用該系統。他們會在第15屆國際自動化代理和多代理系統大會（AAMAS 2016）上呈交他們的研究發現。
“保護我們美麗星球上的自然資源和野生動物，這個任務非常緊迫。我們計算機科學家們可以在各種各樣的方面提供幫助。”Fang説，“PAWS解決的是這個問題的一方面：提升反偷獵巡邏的效率。”
人工智能反擊非法伐木
南加州大學團隊的其他成員正在開發補充方法，來防止非法伐木，這是許多發展中國家中非常重大的經濟和環境問題。
世界自然基金會（WWF）預計，非法伐木行業的貿易額每年在300億和1000億美元。這種行業還威脅了遠古森林，野生動物的關鍵棲息地。
南加州大學、德州大學El Paso分校和密歇根州立大學的研究員最近與非盈利機構Alliance Vohoary Gasy合作，限制馬達加斯加的紅木和烏木的非法砍伐，非法砍伐已經降低了島國的森林覆蓋率。
森林保護機構同樣面臨有限的預算，必須覆蓋很大的區域，因此，合理分配安全資源變得非常關鍵。
小組研究瞭如何在馬達加斯加平衡分配資源，來最大化保護效果。
過往基於博弈論的安全研究通常涉及指定小組——例如，將安全工作人員分配到機場檢查點或者航班。很難為這些情況找到最優安全解決方案。使用開放團隊的方法之前一直不可行。
未解決這個問題，研究員開發了一個叫做SORT（資源小組同時優化）的新方法，他們已經使用馬達加斯加的真實數據試驗性地進行了驗證。
研究組創建了國家公園的地圖，用本地工資和預算，建造了所有可能的安全資源模型，計算了這些情況下所有資源的最佳組合。
“我們比較了用算法做出來的最優團隊，和一個隨機選擇的團隊，我們算法做得更加好。”南加州大學計算機科學博士生Sara McCarthy説。
算法很快很簡單，可以抽離出來用於其他情況各異的國家公園。團隊正在與Alliance Vohoary Gasy合作，在馬達加斯加實施算法。
團隊負責人Tambe説：“我對於我的學生們在野生動物安全和森林保護方面的成就感到非常驕傲。與領域內實踐者的跨學科合作是研究的關鍵，讓我們可以提升人工智能領域的研究。”
另外，項目為其他計算機科學研究者展現了應用技術解決真實世界問題的巨大潛能。
“這項工作的重要性不只是對環境的積極影響，保護野生動物和森林，還有它對其他人的啟發，讓世界變得更美好。”McCarthy説。
Via EurekAlert
資料來源：雷鋒網
作者/編輯：逸炫
請按此登錄後留言。未成為會員? 立即註冊