Роль интеллекта в сохранении вида: Бактерии могут жить в таких местах и при таких температурах, которые человеку не выдержать.Они существуют миллиарды лет,

Содержание

Интеллект — способность объекта адаптировать свое поведение к окружающей среде с целью своего сохранения (выживания)

Аннотация

Весь мир только и делает, что говорит об Искусственном Интеллекте, но при этом — вот же парадокс! — определения, собственно, «интеллекта» (даже не искусственного, а вообще) — общепринятого, понятного, логично структурированного и глубокого до сих пор нет! Почему бы не взять на себя смелость — попытаться найти и предложить такое определение? Ведь определение — это фундамент, на котором выстраивается все остальное, верно? Как же мы строим ИИ, если всяк по-разному видит то, что должно лежать в основе? Поехали…

Ключевые слова: интеллект, способность, свойство, объект, адаптация, поведение, окружающая среда, сохранение, выживание.

Для описания существующих определений интеллекта использована статья «A Collection of Definitions of Intelligence» (S. Legg, M. Hutter. A Collection of Definitions of Intelligence (2007), arxiv.org/abs/0706.3639), цитаты из которой представлены вместе с комментариями (курсив).

Вступление

Эта статья (A Collection of…) представляет собой обзор большого числа (более 70!) неофициальных определений термина «интеллект», которые авторы собрали за многие годы. Естественно, что составление полного списка было бы невозможно, так как множество определений интеллекта глубоко погребено в статях и книгах. Тем не менее, представленные здесь определения — самая большая подборка, снабженная подробными ссылками…

Несмотря на долгую историю исследований и дискуссий, до сих пор не существует эталонного определения интеллекта. Некоторых это привело к мысли, что интеллект может быть определен только приблизительно, а не полностью. Мы считаем, что такая степень пессимизма чересчур сильна. Хотя и нет единственного эталонного определения, но если просмотреть множество предложенных, то быстро становится очевидным сильное сходство между многими определениями.

Определение интеллекта

Определения из общих источников (словари, энциклопедии и т. п.)
(приведены 3 лучших определения интеллекта из 18, которые даны в этом разделе оригинала статьи. Выбор производился по критерию — ширина и глубина охвата свойств — способностей, характеристик, параметров и т. п., приведенных в определении).

  • Способность эффективно адаптироваться к окружающей среде, либо путем внесения изменений в самого себя, либо путем изменения среды, либо поиском новой…
  • Интеллект — это не один психический процесс, а скорее сочетание многих психических процессов, направленных на эффективную адаптацию к окружающей среде.

Адаптация — это результат проявления множества неуказанных свойств, которые и образуют интеллект. Важно, что указана окружающая среда — существующая или даже новая.

  • Способность учиться и понимать, или иметь дело с новыми или сложными ситуациями;
  • Умелое использование разума;
  • Умение применять знания для воздействия на окружающую среду, или умение мыслить абстрактно, как это умение измерено с помощью объективных критериев (при тестировании).

Важно, что указана окружающая среда! Недостатки:

  • Через союз «или» связаны разнокачественные категории: «способность учиться» и «иметь дело с новыми ситуациями».
  • А «умелое использование разума» вообще не годится для определения.

  • Люди отличаются друг от друга своими способностями понимать сложные идеи, эффективностью адаптации к окружающей среде, обучением на собственном опыте, вовлечением в различные формы рассуждений, преодолением препятствий с помощью размышлений.

Ну, хоть указаны люди, т. е. человек, обладающий способностями! Указана эффективность адаптивности — это важно, но сама адаптация не входит в список! Преодоление препятствий — это, по сути, решение задач.

Описания, данные психологами (приведены 3 лучших из 35 определений)

  • Я предпочитаю называть интеллект «успешным интеллектом». А причина в том, что акцент делается на использовании интеллекта для достижения успеха в жизни. Поэтому я определяю интеллект как навык по достижению того, чего хочется достичь в жизни в социокультурном контексте, что означает, что люди имеют разные цели: для кого-то это получение очень хороших оценок в школе и успешная сдача тестов, для кого-то, возможно, стать очень хорошим баскетболистом, или актрисой, или музыкантом.

Цель в явном виде — достижение успеха в жизни, но на этом и всё…

С самой общей точки зрения, интеллект присутствует там, где отдельное животное или человек осознает, пусть и смутно, релевантность своего поведения по отношению к цели. Из многих определений, предпринятых психологами определить то, что является неопределимым, более или менее приемлемыми являются:

  1. способность реагировать на новые ситуации или научиться это делать с помощью новых адаптивных реакций, и
  2. способность выполнения тестов или решения задач, включающая схватывание взаимосвязей, при этом уровень интеллекта пропорционален сложности или абстрактности, или тому и другому вместе.

Так, появилась иерархия: «С самой общей точки зрения…», это уже хорошо. Но на этом всё хорошее и заканчивается…

  1. Тавтология: реагировать… с помощью новых адаптивных реакций. Нет разницы — с помощью старых или новых реакций, главное — реагировать!
  2. Теперь про тесты… Схватывание взаимосвязей — это неплохо, но далеко не достаточно!

  • Интеллект — это не одна способность, а составная, состоящая из нескольких функций. Он означает сочетание способностей, необходимых для выживания и развития в рамках той или иной культуры.

О, наконец-то указано выживание с помощью интеллекта! Но зато потеряно всё остальное…

Описания, данные исследователями ИИ (3 лучших из 18)

  • Интеллектуальный агент делает то, что] соответствует его обстоятельствам и его цели; он является гибким по отношению к меняющимся условиям и к меняющимся целям, он учится на собственном опыте и делает соответствующий выбор, обусловленный ограничениями восприятия и возможностями обработки.

Пожалуй, самое лучшее (из всех здесь представленных) определение интеллекта.

Цель — отмечена, правда, но не конкретизирована.

Адаптивность — и по условиям, и по цели. Последнее означает, что нет понятия о самой главной цели!

Обучение — выявление (правда, явно не указано) свойств среды, запоминание, использование.

Выбор — значит подразумеваются критерии.

Ограничения — по восприятию и по воздействию.

  • «Способность чему-либо научиться — это необходимые, независимые от области знания навыки, необходимые для приобретения широкого спектра предметно-ориентированных знаний. Достижение этого „Общим ИИ“ требует высокоадаптивной, универсальной системы, которая может самостоятельно приобретать чрезвычайно широкий спектр специфических знаний и навыков, и может улучшать свои собственные когнитивные способности с помощью самообразования».

Похоже, здесь способность чему-либо научиться — конечная цель… И из нее вытекают свойства Общего ИИ — высокая адаптивность, универсальность…

  • Интеллектуальные системы должны работать, и работать хорошо, во многих различных средах. Их интеллектуальность позволяет им максимизировать вероятность успеха, даже если нет полного знания ситуации. Функционирование интеллектуальных систем не может рассматриваться отдельно от окружающей среды, от конкретной ситуации, в том числе, и от цели.

Что такое «хорошо работать»? В чем заключается успех?

Возможность сборного описания

Если из рассмотренных определений «вытащить» часто встречающиеся функции (черты, характеристики и т.д.), то найдем, что интеллект:

  • Это свойство, которое у индивидуального агента есть при его взаимодействии с окружающей средой/средами.
  • Это свойство относится к способности агента добиваться успеха или пользы по отношению к некоторой цели или к задаче.
  • Это свойство зависит от того, как агент способен и должен адаптироваться к различным целям и окружающей среде.

Совместное использование этих ключевых атрибутов дает принимаемое нами неформальное определение интеллекта: Интеллект измеряется способностью агента достигать целей в широком диапазоне условий.

Но погодите, нам нужен ответ на вопрос: что такое интеллект, а не как (или чем) он измеряется (оценивается)! Можно оправдать авторов статьи тем, что эти определения почти тринадцатилетней давности, и ожидать, что за последующие годы что-то должно было измениться — ведь IT область развивается бешеными темпами… Но ниже следует пример из статьи 2012 г., (M.Hutter, One Decade of Universal Artificial Intelligence, www.hutter1.net/publ/uaigentle.pdf) где в определении интеллекта ничего практически не изменилось:

Рассуждение, творчество, ассоциирование, обобщение, распознавание образов, решение проблем, запоминание, планирование, достижение целей, обучение, оптимизация, самосохранение, зрение, обработка языка, классифицирование, индукция и дедукция, приобретение и обработка знаний… Точное определение интеллекта, включающее каждый его аспект, похоже, дать трудно.

Опять те же проблемы (даже — еще больше) с определением, что и 8 лет назад: даны проявления интеллекта в виде неструктурированного списка характеристик!


Определение интеллекта в Википедии (доступ 22 мая 2016 г.):

«Интеллект (от лат. intellectus — ощущение, восприятие, разумение, понимание, понятие, рассудок) — качество психики, состоящее из способности адаптироваться к новым ситуациям, способности к обучению на основе опыта, пониманию и применению абстрактных концепций и использованию своих знаний для управления окружающей средой. Общая способность к познанию и решению трудностей, которая объединяет все познавательные способности человека: ощущение, восприятие, память, представление, мышление, воображение».

Та же Википедия, но уже в самой свежей редакции на 24 января 2020 г.:

«Интелле́кт (от лат. intellectus „восприятие“, „разумение“, „понимание“, „понятие“, „рассудок“) или ум — качество психики, состоящее из способности приспосабливаться к новым ситуациям, способности к обучению и запоминанию на основе опыта, пониманию и применению абстрактных концепций, и использованию своих знаний для управления окружающей человека средой. Общая способность к познанию и решению проблем, которая объединяет познавательные способности: ощущение, восприятие, память, представление, мышление, воображение, а также внимание, волю и рефлексию».

Прошло столько лет, но мы видим все то же — набор характеристик без какой-либо структуры… И с указанием человека — носителя интеллекта, только в самом конце текста. Т. е. проделать замену: «абстрактный Объект с интеллектом —> Человек с интеллектом» с последующим выявлением в этом определении: „Что нужно Человеку, чтобы стать интеллектуальным?“, не представляется возможным. Или же эта замена приводит к банальным пожеланиям: Человеку, чтобы стать интеллектуальным, нужно приобрести способность адаптироваться к новым ситуациям, к обучению на основе опыта, к пониманию и применению абстрактных концепций и к использованию своих знаний для управления окружающей средой и т. д. Короче, вот так можно стать умным, а не остаться глупым…

Итак, на основе изложенного, предлагается следующее определение, привязанное к Объекту, т. к. интеллект не может „висеть в воздухе“, это обязательно чьи-то способности. То же самое относится и к поведению, которое может быть только у кого-то или чего-то:

Интеллект Объекта — это набор способностей, которые используются при:

(1) Идентификации, формализации и запоминании (в форме модели) законов состояния и / или поведения:

      (1.1) Окружающей среды, и

      (1.2) Внутренней среды Объекта.

(2) Опережающего моделирования состояний и / или вариантов поведения:

      (2.1) в Окружающей среде, и

      (2.2) Внутренней среды Объекта.

(3) Создании описания состояния и / или реализации поведения Объекта, адаптированного:

      (3.1) к Окружающей среде, и

      (3.2) ко Внутренней среде Объекта

при условии максимизации отношения Поведение Объекта / Затраты на поведение

Объекта с целью сохранения (существования, дления, бытия) Объекта в Окружающей

среде.

Вот так это выглядит на схеме:

»

Теперь о применении определения… Истина, как говорится, всегда конкретна. Поэтому, чтобы проверить логику определения, следует заменить Объект на какую-нибудь широко известную и понятную конкретную систему, например, на… Автомобиль. Итак…

Автомобиль с интеллектом — это Автомобиль с набором способностей, которые используются при:

(1) Идентификации, формализации и запоминании (в форме модели) законов состояния и / или поведения:

(1.1) Дорожной обстановки, и

(1.2) Внутренней среды Автомобиля.

(2) Опережающего моделирования состояний и / или вариантов поведения:

(2.1) в Дорожной обстановке, и

(2.2) Внутренней среды Автомобиля

(3) Создании описания состояния и / или реализации поведения Автомобиля, адаптированного:

(3.1) к Дорожной обстановке, и

(3.2) ко Внутренней среде Автомобиля

при условии максимизации отношения (Поведение Автомобиля / Затраты на поведение

Автомобиля) с целью сохранения (существования, дления, бытия) Автомобиля — как в Дорожной обстановке, так и Внутренней среды Автомобиля.

Только одному мне видно, что Автомобиль именно с такими способностями мы называем интеллектуальным? Тогда еще вопрос: заметили бы вы разницу между поездкой в автомобиле, которым управляет профессиональный водитель, и поездкой в таком Интеллектуальном Автомобиле?

Ответ «НЕТ» означает:

  1. Дано правильное определение интеллекта: при замене «Объект —> Автомобиль» сбоев логики или каких-то нестыковок в описании не появилось.
  2. Автомобиль с такими способностями в ходе поездки как бы прошел «автомобильный» тест Тьюринга: пассажир в поездке не увидел никакой разницы между автомобилем с профессиональным водителем и этим Автомобилем. Или при точном следовании формулировке теста Тьюринга: «Если в ходе нескольких поездок пассажира в беспилотном автомобиле и в автомобиле с профессиональным водителем пассажир не сможет угадать, какой автомобиль его возил, то по уровню «мышления в дорожных условиях» беспилотный автомобиль можно считать равным автомобилю с профессиональным водителем».

Желающим предлагается «поиграть» данным определением — подставить в него вместо обезличенного слова «Объект» название любой, по желанию, хорошо знакомой системы (природной, общественной, производственной, технической) и самостоятельно проверить, тем самым, совместимость. Обязательно делитесь результатами и мыслями по итогам эксперимента!

Определение интеллекта через его цели

(А. Жданов. «Автономный Искусственный Интеллект» (2012), 3-е изд., электронное, сс. 49-50):

Главными целями, к которым стремится нервная система всякого организма, являются:

  • выживание организма;
  • накопление знаний его нервной системой.

Эти 2 пункта: выживание и накопление знаний — обобщенное описание пунктов 3 и 2 соответственно!

В качестве Заключения…

«Vicarious учит компьютер использовать воображение»

(«Компьютер научился агрессивному вождению» nplus1.ru/news/2016/05/23/mppi)

«Жизнь была бы довольно скучной без воображения. Поэтому, вероятно, самая большая проблема компьютеров в том, что воображения у них фактически нет. Стартап Vicarious создает новый способ обработки данных, инициированный тем, как, вероятно, информация «течет» через мозг. Лидеры компании говорят, что это даст компьютерам что-то похожее на воображение, и что, как они надеются, поможет сделать машины намного умнее. Компания представила нейросетевой алгоритм нового типа, со свойствами, заимствованными из биологии. Одно из них — способность представлять, как изученная информация должна будет выглядеть в различных сценариях — нечто вроде цифрового воображения».

Надо же, какое совпадение! Точно п. (2) определения: опережающее отражение — это и есть цифровое воображение!

Так бывает нечасто, но смотрите, что мы обнаруживаем в Сети:

(«Компьютер научился агрессивному вождению» nplus1.ru/news/2016/05/23/mppi)

«Специалисты из Технологического института Джорджии собрали модель беспилотного автомобиля (масштаб 1:5 на основе серийного шасси радиоуправляемой модели), способную проходить повороты с помощью управляемого заноса. Бортовой компьютер оснащен процессором Intel Skylake Quad-core i7 и видеокартой Nvidia GTX 750ti GPU и обрабатывает информацию с гироскопа, датчиков поворота колес, GPS и пары фронтальных камер. На основе данных, поступающих с датчиков, управляющий алгоритм формирует 2560 траекторий движения вперед на следующие две с половиной секунды».

Управляющий алгоритм содержит «картину мира» автомобиля в виде набора возможных траекторий движения по данной трассе.

«Из 2560 траекторий алгоритм выбирает наиболее оптимальную и согласно ей корректирует положение колес и скорость. При этом постройка всех 2560 траекторий и их обновление происходит 60 раз в секунду».

Это и есть опережающее отражение, искусственная креативность или цифровое воображение! Выбор оптимальной траектории из заранее 2560 сгенерированных и корректировка положения колес и скорости (адаптация!) чтобы остаться на трассе. Всё вместе описывается представленной схемой интеллекта!

«Весь процесс обучения управляющего алгоритма занял несколько минут вождения по треку оператором с небольшим опытом управления»

Процесс обучения — это создание картины мира!

«При этом, отмечают исследователи, при обучении не использовался контролируемый занос, его компьютер „изобрел“ самостоятельно. Во время испытаний автомобиль в автономном режиме проходил трек, стараясь поддерживать скорость, максимально близкую к восьми метрам в секунду».

Контролируемый занос — это элемент оптимальной стратегии (та самая максимизация отношения «Поведение Объекта / Затраты на поведение») самостоятельно выработанной автомобилем.

«По словам авторов, обучение алгоритмов агрессивному вождению может пригодиться и для повседневного управления беспилотным автомобилем точно так же, как умение контролировать занос может пригодиться живому водителю. В случае непредвиденной ситуации — например, гололеда, — беспилотный автомобиль сможет самостоятельно выйти из заноса и предотвратить возможное ДТП».

А это — распространение опыта автомобиля… Ну, как страж-птица (вспоминаем известный рассказ), получившая полезный навык, тут же передавала его всем остальным.

Еще раз приведу определение, которое предлагается к использованию:

Интеллект Объекта — это набор способностей, которые используются при:

(1) Идентификации, формализации и запоминании (в форме модели) законов состояния и / или поведения:

      (1.1) Окружающей среды, и

      (1.2) Внутренней среды Объекта.

(2) Опережающего моделирования состояний и / или вариантов поведения:

      (2.1) в Окружающей среде, и

      (2.2) Внутренней среды Объекта.

(3) Создании описания состояния и / или реализации поведения Объекта, адаптированного:

      (3.1) к Окружающей среде, и

      (3.2) ко Внутренней среде Объекта

при условии максимизации отношения Поведение Объекта / Затраты на поведение

Объекта с целью сохранения (существования, дления, бытия) Объекта в Окружающей среде.

Благодарю за внимание. Комментарии, замечания — категорически приветствуются.

P. S. А вот о «… высокоадаптивной, универсальной системе, обладающей возможностью самостоятельно приобретать чрезвычайно широкий спектр специфических знаний и навыков» и которая требуется для создания ОИИ мы можем поговорить отдельно — это оооочень интересная тема. Если, конечно, будет интерес со стороны читателей. 🙂

§ 2. Человек, общество, природа. Обществознание 8 класс Боголюбов




Вопрос 1. Что такое экологический кризис? Какие природные ресурсы относятся к исчерпаемым? Каким должно быть отношение человека к природе?


Экологический кризис — особый тип экологической ситуации, когда среда обитания одного из видов или популяции изменяется так, что ставит под сомнение его дальнейшее выживание.


Исчерпаемые природные ресурсы – ресурсы, сокращающиеся по мере их использования. Большинство видов природных ресурсов относится к исчерпаемым природным ресурсам, которые подразделяются на возобновляемые и невозобновляемые природные ресурсы.


Вопрос 2. Каковы основные значения понятия «природа»?


Природа — это естественная среда обитания человека. Конечно, можно предположить и такую фантастическую ситуацию, когда люди будут вынуждены создать некий искусственный подземный или инопланетный мир, где с помощью сложнейшей техники будут созданы необходимые условия человеческого существования: нужная температура, давление, циркуляция воздуха и т. д., и жить в нём. И даже если представить себе, что люди смогут приспособиться к этим условиям и их род не оборвётся, то, очевидно, нечто существенное будет утрачено. О неодолимой тяге к краскам земли, к теплу солнца у детей, вывезенных родителями на дождливую Венеру и вынужденных почти всё время проводить в убежищах, мы читаем в рассказе американского писателя Р. Брэдбери «Всё лето в один день». В короткий промежуток между дождями, в тот редкий час, когда появляется солнце, дети покинули свой подвал. «Ребята со смехом кидались на сплошную поросль, точно на живой, упругий матрац… Они носились меж деревьев, скользили и падали, толкались, играли в прятки и салки, но главное — опять и опять, хмурясь, глядели на солнце, пока не потекут слёзы, и тянули руки к золотому сиянию и к невиданной синеве, и вдыхали эту удивительную свежесть… И вдруг… редкие холодные капли упали на нос, на щёки, на губы. Солнце затянула туманная дымка. Подул холодный ветер. Ребята повернулись и пошли к своему дому-подвалу, руки их вяло повисли, они больше не улыбались».


Природа — это огромная (до недавнего времени казалось, неисчерпаемая) кладовая тех ресурсов, которые необходимы человеку в производственной деятельности и в повседневной жизни. Действующие водопады, судоходные реки, лес, руда, металлы, уголь — всё это активно используется людьми. Откажется сейчас человек от использования, например, нефти, угля, и цивилизация рухнет.


Таким образом, природа служит естественной основой жизнедеятельности человеческого общества. Поэтому, пытаясь разобраться в социальной сущности человека и его многообразных связях с обществом, мы не можем обойти вопросы о роли природы в становлении и развитии людей, об их месте среди других живых существ, населяющих нашу планету, о влиянии хозяйственной деятельности человека на окружающую среду.


Вопрос 3. В чём выражается природное единство мира?


Научное знание говорит о единстве мира. Всё живое на Земле связано крепчайшими узами природного родства, тесным взаимодействием.


Принцип природного единства мира исходит из признания общности всех явлений мира (природных и социальных) , отражаемых в человеческой психике и сознании.


Вопрос 4. Какова роль природы в жизни человека и общества?


Роль природы в жизни человека и общества играет значительную роль. Вся жизнь человечества в целом зависит от неё, и только человек губит её и истощает её ресурсы.


Природа: источник пищи; сырьё для промышленности и сельского хозяйства; источник различных видов энергии. Сырьё для энергетической промышленности; Земельные ресурсы; Почвенные ресурсы; Водные ресурсы; Лесные ресурсы; Объект исследования; Объект эстетический; Объект охраны и защиты; Объекты спортивной и любительской охоты, рыбалки; Среда обитания; Источник природных катаклизмов, стихийных бедствий; Рекреационный ресурс.


Вопрос 5. Как, по мысли Вернадского, связаны биосфера и ноосфера?


еликий русский учёный В. И. Вернадский считал, что придёт то время, когда дальнейшее развитие планеты, а следовательно, и человеческого общества будет направляться разумом. Биосфера станет постепенно превращаться в сферу разума. Позднее был придуман новый термин — ноосфера (от лат. разум). Под ноосферой понимают область планеты, охваченную разумной деятельностью человека.


Означает ли это, что в эпоху ноосферы человек станет безраздельно господствовать над природой, полностью подчинив её развитию цивилизации? Нет. Вступление в эту эпоху предполагает в первую очередь изменение отношения человека к природе, такую организацию общественной жизни, производства, при которой можно обеспечить гармонию природы и общества. Время покажет, возможно ли это.


Вопрос 6. Какие возможности открыл перед человечеством разум?


Во-первых, человек наделён разумом. Это позволило ему сделать гигантский скачок в освоении мира. На уроках истории вы уже узнали, как много умел даже первобытный человек по сравнению с другими живыми существами на Земле: коллективно охотился, пользовался огнём, создавал искусственные орудия из дерева, кремня, кости.


Во-вторых, умение накапливать информацию о многих конкретных явлениях, обобщать её открыло человеку возможность создавать нечто не существующее в природе. Эта созданная знаниями и трудом людей «вторая природа», по мысли М. Горького, есть «культура в точном и подлинном смысле слова».


В-третьих, возникшее человеческое общество стало подчиняться своим собственным законам, среди которых на первое место вышли требования морали. Это был огромный шаг в развитии человечества.


Вопрос 7. Присущ ли прогресс развитию природы?


Есть и другая точка зрения, согласно которой человек лишь звено в долгой цепи развития природы, которая не имеет направленного движения от простого к сложному, и на смену человеку могут прийти иные организмы.


Во-первых, само понятие прогресса (движения от простого к сложному) придумали люди. Природа не знает никакого целенаправленного движения, в противном случае её надо наделить разумом. Во-вторых, довольно относительно деление на простые и сложные организмы. В-третьих, палеонтологическая летопись планеты хранит рассказы о том, как исчезли многие группы животных, как на смену гигантским земноводным приходили ящеры, а потом и они вымерли загадочно быстро. Но жизнь не исчезла. Пришли новые хозяева — млекопитающие, и одна из ветвей вырастила человека. Изменялись условия, и победу одержали те группы организмов, которые лучше других могли приспособиться к этим переменам. В-четвёртых, человек наделён разумом, однако не всегда совершает разумные поступки. Это в первую очередь проявляется в его отношении к природе лишь как к мастерской, в которой ему позволено бесконтрольно хозяйничать. За такое отношение уже сегодня приходится расплачиваться.


Вопрос 8. В чём проявляется неразумность отношения человека к природе?


Человек наделён разумом, однако не всегда совершает разумные поступки. Это в первую очередь проявляется в его отношении к природе лишь как к мастерской, в которой ему позволено бесконтрольно хозяйничать. За такое отношение уже сегодня приходится расплачиваться.


Вопрос 9. Проанализируй, что в рассказе Р. Брэдбери «И грянул гром» можно отнести к чистой фантастике, а в чём автор показал себя — как реалист.


Фантастика – путешествие во времени для охоты.


Реализм – показана связь между прошлым и будущим и то, как одно незначительное на первый взгляд событие может повлечь за собой глобальные перемены в дальнейшем.


Вопрос 10. Бактерии могут жить в таких местах и при таких температурах, которых человеку не выдержать. Они существуют миллиарды лет, и нет причины, по которой они должны бы были прекратить своё существование. Морские черепахи, имеющие мозг с горошину, появились на Земле гораздо раньше людей и пережили многие природные катастрофы, уничтожившие более «разумные» виды. Человечество, возникнув по меркам биологической эволюции сравнительно недавно, уже поставило своё существование под угрозу.
Подумай, можно ли на основе этих фактов сделать вывод о незначительной роли интеллекта в сохранении вида. Свой ответ обоснуй.


Выживаемость зависит от: скорости размножения; численности потомства в каждом поколении; приспособляемости.


Человек за счет своего интеллекта создает условия для своего существования, тем самым не закрепляет генетически приспособительные признаки.


Вопрос 11. В чём разница освещения взаимоотношений человека и природы в курсах «Обществознание» и «География»?


Природа в широком смысле слова – это весь мир во всей бесконечности его форм и проявлений. В узком смысле слова – это весь материальный мир, за исключением общества, т.е. совокупность естественных условий существования человеческого общества. Понятие «природа» употребляется для обозначения не только естественных, но и созданных человеком материальных условий его существования – «второй природы», в той или иной мере преобразованной и сформированной человеком. Общество как обособившаяся в процессе жизнедеятельности людей часть природы неразрывно с ней связано. Эта взаимосвязь выглядит следующим образом: в обществе действуют люди, одаренные сознанием и имеющие цели, тогда как в природе действуют слепые, бессознательные силы. Выделение человека из мира природы знаменовало рождение качественно нового материального единства, так как человеку присущи не только природные свойства, но и социальные. Общество вступило в противоречие с природой в двух отношениях: 1) как социальная действительность оно есть не что иное, как сама природа; 2) оно целенаправленно с помощью орудий труда воздействует на природу, изменяя ее. На первых порах противоречие между обществом и природой выступало как их различие, так как у человека еще были примитивные орудия труда, с помощью которых он добывал себе средства к жизни. Однако в те далекие времена полной зависимости человека от природы уже не было. По мере совершенствования орудий труда общество оказывало усиливающееся воздействие на природу. Человек не может обойтись без природы еще и потому, что технические средства, облегчающие ему жизнь, создаются по аналогии с природными процессами. Едва появившись на свет, общество стало оказывать весьма существенное воздействие на природу, где-то улучшая ее, а где-то и ухудшая. Но природа, в свою очередь, принялась «ухудшать» характеристики общества, например, посредством снижения качества здоровья больших масс людей и т. д. Общество как обособившаяся часть природы и сама природа оказывают друг на друга значительное влияние. Вместе с тем они сохраняют специфические особенности, которые позволяют им сосуществовать как двуединое явление земной действительности. В этой тесной взаимосвязи природы и общества заключается основа единства мира .Итак, человек, общество и природа взаимосвязаны между собой. Человек одновременно живет на природе и в обществе, является биологическим и общественным существом. В обществознании под природой понимают естественную среду обитания человека. Ее можно назвать биосферой или активной оболочкой Земли, создающей и защищающей жизнь на нашей планете. Индустриализация и научно-техническая революция привели в XX веке к нарушению естественной среды обитания человека, к назреванию конфликта между человеческим обществом и природой — экологическому кризису. В современном мире за 15 лет потребляется столько природных ресурсов, сколько было использовано человечеством за все его предыдущее время существования. Вследствие этого сокращается площадь лесов и земель, пригодных для сельского хозяйства. Происходят климатические изменения, которые могут привести к ухудшению условий жизни на планете. Экологические изменения отрицательно влияют на здоровье людей. Появляются новые заболевания, носители которых (микробы, вирусы и грибки) в связи с ростом плотности населения и ослаблением иммунной системы человека становятся более опасными. Уменьшается разнообразие животного и растительного мира, а это угрожает устойчивости земной оболочки — биосферы. Ежегодно сжигается около 1 млрд тонн условного топлива, выбрасываются в атмосферу сотни миллионов тонн вредных веществ, сажи, золы, пыли. Почвы и воды засоряются промышленными и бытовыми стоками, нефтепродуктами, минеральными удобрениями, радиоактивными отходами. Природа тоже всегда влияла на жизнь человека. Климат и географические условия — все это существенные факторы, определяющие пути развития того или иного региона. Люди, живущие в разных природных условиях, будут различаться и своим характером, и образом жизни.

От автономного оружия до этических кодексов: как развивался искусственный интеллект в 2021 году

2021 год бросил миру вызовов не меньше предыдущего. Пандемия все еще бушует, целые отрасли остаются на удаленке или локдаунах, а технологический сектор страдает от дефицита полупроводников.

Однако кризис — это новые возможности. В этом материале редакция ForkLog AI расскажет о том, как продвинулась в уходящем году сфера ИИ и машинного обучения, и что нас ждет впереди. 

Технологическая гонка США и Китая

США и Китай не первый год ведут борьбу за первенство в области технологий, но пока ни одна из них не может по-настоящему считаться лидером.

В 2019 году Минфин США с подачи президента Дональда Трампа наложил санкции на Huawei и другие китайские компании, выведя конфликт на совершенно новый уровень. Более того, американцы надавили на западных партнеров, чтобы те отказались от использования технологий телеком-гиганта.

В марте 2021 года правительство Китая представило пятилетний план развития передовых технологий, в том числе искусственного интеллекта. Власти заявили, что будут увеличивать расходы на исследования и разработки более чем на 7% ежегодно до конца 2025 года.

При Джо Байдене политика в отношение КНР не изменилась. Новый глава Белого Дома продолжил давить на китайские компании с помощью санкций, а также создавать новые альянсы с явно антипекинским подтекстом.

12 июля Министерство торговли США ввело санкции против 14 китайских технологических компаний за нарушения прав человека в отношении уйгурского меньшинства в Синьцзяне. Американским предприятиям запретили вести с ними бизнес без специальной лицензии. В частности, поводом для новых ограничений стала публикация в BBC, в которой программист-инженер рассказал о тестировании на уйгурах системы распознавания эмоций в полицейских участках.

Спустя четыре месяца министерство ввело еще два пакета санкций. Первый касается около десятка китайских производителей технологий в области квантовых вычислений и искусственного интеллекта. Во второй «черный список» попали технологические фирмы, стартапы и производители электроники, в том числе разработчики дронов DJI.

10 декабря Минфин США наложил новые санкции на китайский ИИ-стартап SenseTime, заблокировав продажу акций американским инвесторам. Изначально компания планировала привлечь около $767 млн, однако из-за ограничений она приостановила выход на биржу и вернула деньги инвесторам.

Другими непрямыми методами противоборства стали правительственные инициативы и стратегии, направленные на развитие технологической отрасли стран. Со стороны Китая — вышеупомянутый пятилетний план развития экономики, а также поэтапная реализация документов, принятых с 2015 года.

Соединенные Штаты за один год предприняли сразу несколько мер. Комиссия по национальной безопасности в области искусственного интеллекта опубликовала отчет с рекомендациями для президента Байдена, Конгресса, руководителей бизнеса и правительства о сохранении технологического доминирования США. Документ состоит из 756 страниц и советует федеральному правительству увеличить финансирование отрасли до $40 млрд на ближайшие пять лет, создать коалицию с союзниками и продолжить разрабатывать автономное оружие.

В США создали комитет высокого уровня для консультирования президента и других агентств по вопросам искусственного интеллекта.

С призывами увеличить роль ИИ в обороне выступали и в Пентагоне. Глава Объединенного центра искусственного интеллекта Минобороны США генерал-лейтенант Майкл Гроен заявил, что вооруженные силы страны должны расширить использование искусственного интеллекта, чтобы не проиграть конкурентам, в первую очередь Китаю.

Однако некоторые чиновники считают, что гонка уже проиграна. Бывший директор Пентагона по программному обеспечению Николас Чейллен сделал резонансное заявление, которое в Минобороны поспешили опровергнуть. По его словам, Китай уже выиграл битву за искусственный интеллект и движется к мировому господству благодаря своим технологическим достижениям, а через 15–20 лет у Соединенных Штатов и вовсе не останется конкурентных преимуществ.

Но несмотря на публичное противостояние, США и Китай все еще зависят сильно друг от друга. КНР не может обойтись без западных технологий, в то время как Соединенные Штаты и партнеры не могут игнорировать огромный рынок сбыта своих товаров и услуг. Эта связка является практически непреодолимым препятствием на пути к планам экономической независимости.

Автономное оружие

Мы являемся свидетелями новой гонки вооружения, на этот раз усиленного искусственным интеллектом. Автономное оружие уже разрабатывается многими странами, такими как Россия, США, Китай, Турция и Израиль.

Летом ряд СМИ со ссылкой на отчет ООН сообщили о первом в мире случае убийства человека в военном конфликте с помощью беспилотного дрона. Более того, автономная машина не получала приказ о ликвидации цели, а приняла решение самостоятельно.

На протяжении года не раз всплывала информация о том, как Израиль использует современные технологии в военном деле. Армия страны стала первой в истории, использовавшей искусственный интеллект и суперкомпьютеры в реальном бою. Позже выяснилось, что израильские военные задействовали и рой дронов с ИИ в той же операции.

В этом контексте ярким примером является убийство иранского ученого-ядерщика Мохсен Фахризаде с помощью автономного оружия. 

Кроме этого, искусственный интеллект активно применяется в разведке. Имеются косвенные подтверждения об их использовании службами США и Великобритании.

Взять под контроль умное оружие пытается ООН. 13—17 декабря в Женеве прошла конференция Конвенции «О негуманном оружии», на которой страны-участники обсудили варианты регулирования умного оружия. 

Неожиданно Китай одним из первых выступил за ограничение «роботов-убийц» несмотря на то, что Пекин уже разрабатывает подобные системы. Тем не менее, страны не смогли договориться.

Метавселенные

Хотя концепция метавселенных далеко не нова, говорить о ней стали под конец 2021 года. Значительную роль в развитии направления сыграли пандемия и локдауны, которые ускорили цифровизацию многих аспектов повседневной жизни.

Свой вклад внесла и Facebook. 28 октября компания провела ребрендинг и сменила название на Meta, демонстрируя таким образом свою приверженность созданию метавселенной, которую считает «следующим этапом эволюции социальных связей».

Впервые Марк Цукерберг публично заявил о смене фокуса в июле. Тогда он рассказал, что компания сосредоточится на развитии метавселенной, работающей на VR- и AR-гарнитурах, мобильных устройствах и игровых консолях, перестав ассоциироваться лишь с социальной сетью. Трансформация займет около пяти лет.

Одновременно с ребрендингом Meta продемонстрировала реалистичные аватары, среду для их существования, а также нейроинтерфейс, позволяющий ими управлять. Цифровые копии людей и пространств должны будут стать основой будущей метавселенной компании.

Meta не единственная компания, стремящаяся построить собственные виртуальные миры. О таких планах уже заявили Nvidia, Microsoft, Epic Games и многие другие.

Роль искусственного интеллекта в создании метавселенной большая. В представленных демонстрациях Мета и Nvidia используются такие технологии, как компьютерное зрение, распознавание и синтезирование речи, понимание естественного языка, а также рекомендательные сети.

Однако до полноценных виртуальных миров, в которых смогут взаимодействовать люди и предметы, еще далеко. Серьезные ограничения в развитии направления накладывает отсутствие достаточных вычислительных ресурсов. В Intel уже сообщили, что для создания полноценных метавселенных потребуются процессоры в тысячу раз производительнее существующих.

Вместе с дефицитом полупроводников, который длится второй год и, судя по всему, не закончится и в 2022, мы еще не скоро сможем «сбежать» из реальности в виртуальные миры.

Языковая гигантомания

В сентябре 2020 года организация OpenAI наделала шума, представив новую версию языковой модели GPT-3. Конкуренты не заставили себя долго ждать: уже в январе Google представила языковую модель на 1 трлн параметров, а в мае компания объявила об их использовании в своих продуктах. Стоит отметить, что софтверный гигант давно применяет языковые модели в своих сервисах, например BERT в Поиске.

В августе Microsoft представила нейросеть MEB для своей поисковой системы Bing. По словам разработчиков, она выполняет «100% запросов на всех языках» и является крупнейшей моделью, созданной в компании.

Спустя два месяца Microsoft совместно с Nvidia разработала языковую модель Megatron-Turing Natural Language Generation с 530 млрд параметров. Она предназначена для генерации естественной речи и в три раза больше GPT-3.

Параллельно с этим Microsoft тесно сотрудничает с OpenAI. Еще осенью 2020 года компании заключили партнерство, согласно которому редмондская корпорация получила эксклюзивное право на использование GPT-3. Летом 2021 года компании представили Copilot для GitHub, который позволяет разработчикам автоматизировать некоторые процессы написания кода. Спустя четыре месяца после запуска компании отчитались, что инструмент помог написать около 30% нового кода, размещенного на площадке.

Российские разработчики не отстают от западных коллег. Компания «Яндекс» разработала собственную языковую модель на 13 млрд параметров YaML. На ее основе разработчики собрали демонстрационный сервис «Балабоба», где пользователи могут попросить нейросеть «додумать» предложение или целые куски текста, используя лишь небольшую вводную фразу.

Другие разработчики со всего мира также принялись создавать свои версии языковых моделей. Китайские программисты заявили, что создали самую крупную языковую модель в мире WuDao 2.0 с 1,75 трлн параметров, что в десять раз больше, чем у GPT-3.

Несмотря на растущую популярность трансформеров и языковых моделей, они несут в себе ряд угроз. Из-за качества данных, взятых в интернете, такие нейросети могут «говорить» языком ненависти и стереотипами. В OpenAI уже признали наличие проблемы и заявили о снижении токсичности GPT-3.

Кроме этого, модели часто работают лишь с популярными языками вроде английского, китайского или русского, игнорируя менее распространенные.

Беспилотные машины

В сфере беспилотного транспорта произошло много положительных событий, повлиявших на развитие отрасли. Крупнейшие автопроизводители все чаще применяют и тестируют системы беспилотного вождения, а также заявляют о планах выпуска инновационного транспорта на рынок.

Tesla 

Самый продуктивный год оказался у Tesla. Всего за несколько месяцев участники бета-тестирования Autopilot и Full-Self Driving (FSD) получили два крупных обновления систем помощи водителю. Электрокары научились лучше ориентироваться в темноте и распознавать автомобили с проблесковыми маячками, а общая стабильность автономного вождения повысилась.

Кроме этого, компания полностью отказалась от использования радаров и лидаров, положившись на обычные видеокамеры. Это несколько ограничивает возможности автопилота, так как сенсоры камеры могут плохо распознавать объекты в темноте, а алгоритмы ошибаться в их идентификации.

Не обошлось и без скандалов: в апреле автомобиль Tesla, предположительно в режиме автопилота, врезался в дерево и воспламенился. Авария унесла жизни двух людей.

Илон Маск, ссылаясь на системную информацию из автомобиля, сообщил, что за рулем кто-то был, а FSD не был активен. Несмотря на это, регуляторы запустили расследование и позже подтвердили слова главы компании.

Тем не менее, против компании выступили сразу с нескольких фронтов: автотранспортный департамент Калифорнии открыл дело из-за возможного несоответствия рекламных сообщений реальности. Ведомство утверждает, что Tesla обещает покупателям беспилотный автомобиль, а на самом деле система помощи водителю соответствует всего второму уровню автономности по классификации SAE. Это подтвердили и в самой компании: совет директоров сообщил регулятору, что не успеют создать автопилот пятого уровня до конца 2021 года.

Национальное агентство безопасности дорожного движения США начало расследование в отношении Tesla после серии аварий, в результате которых пострадали по меньшей мере 17 человек и один погиб.

Waymo

Планы других компании не менее амбициозные. При этом они действуют осторожнее, не давая пользователям огромный контроль над автопилотом. Waymo, дочерняя компания Google, сообщила о том, что ее автомобили наездили 32 млн автономных километров по дорогам общего пользования. На сегодня это абсолютный рекорд среди всех производителей беспилотного транспорта.

В августе компания запустила тестирование роботакси в Сан-Франциско, позволив всем желающим воспользоваться поездкой по городу без водителя. Спустя месяц Waymo получила разрешение на коммерческую эксплуатацию беспилотных машин на территории Калифорнии.

Яндекс

Российский «Яндекс» активно испытывает робомобили собственной разработки. Летом компания начала использовать автономных курьеров в пригородах Санкт-Петербурга и Москвы, а также объявила об их скором запуске в 250 американских кампусах. Осенью она начала тестировать беспилотное такси в российской столице.

Усилия компании не остались незамеченными: ее подразделение по разработке автономных машин оценили в $7 млрд и назвали одним из лидеров мирового рынка.

Другие игроки 

В Китае также наблюдается активное внедрение беспилотных электрокаров. Интернет-гигант Baidu уже запустил коммерческую службу роботакси в Шанхае и Пекине. Участников Олимпийских игр 2022 также будут развозить беспилотники компании.

Активно тестируют свои автономные транспортные средства и гиганты вроде Toyota, Volkswagen, BMW, General Motors и Ford.

Рынок автономного транспорта переживает переломный момент. Его развитию способствуют, с одной стороны, разработчики алгоритмов, а с другой — власти стран, стремящиеся постепенно интегрировать беспилотники на улицы городов: лишь в 2021 году с подобными инициативами выступили правительства стран вроде России, Великобритании, Германии, а также некоторых штатов США.

Однако в настоящее время системы автономного вождения все еще несовершенны и склонны ошибаться. Производителям предстоит проделать огромную работу по оптимизации алгоритмов и обеспечению безопасности дорожного движения.

Ужесточение регулирования технологии распознавания лиц 

Европа и США 

О возможном регулировании сферы искусственного интеллекта разговоры велись на протяжении всего года. Пожалуй, самым обсуждаемым событием стал представленный Еврокомиссией проект правил, предназначенный для ограничения использования и разработки некоторого вида ПО.

Законодатели предложили запретить приложения, позволяющие правительствам проводить социальную оценку или эксплуатировать детей.

Высокорисковый ИИ, используемый для найма персонала, обслуживания критической инфраструктуры, миграции и нужд правоохранительных органов, могут подвергнуть строгим обязательствам.

Нарушителей правил Комиссия предлагает штрафовать на сумму до 6% от их глобального оборота или 30 млн евро, в зависимости от того, какая цифра больше.

Проект вызвал множество споров со стороны правозащитников и некоторых регуляторных ведомств Евросоюза. Зачастую критика касалась планов разрешить использовать распознавание лиц, пускай и с некоторыми ограничениями. Они настаивают — массовое наблюдение грубо вмешивается в личную жизнь граждан и его следует безоговорочно запретить.

Системы распознавания лиц не остались в стороне и в других странах. Только лишь в США многие муниципалитеты запретили или сильно ограничили их использование. Нью-Йорк, Сан-Франциско, Чикаго, Бостон, Окленд и Миннеаполис — не полный список американских городов, оставшихся без распознавания лиц. Технологию ограничили и на территории целых штатов.

Clearview AI против всех 

Под шквалом критики оказалась компания Clearview AI. За последний год прозвучало множество призывов к ограничению деятельности компании, в том числе на законодательном уровне. Американский сенатор Рон Уайден представил законопроект, запрещающий федеральным агентствам покупать биометрические данные американцев.

Правительства других стран, в том числе Канады, Австралии, Франции и Великобритании, раскритиковали компанию и призвали ее прекратить незаконный сбор данных о гражданах.

Но несмотря на протесты политиков и правозащитников, Clearview AI не только продолжила активную деятельность, увеличив количество фотографий в базе данных до 10 млрд, но и привлекла $30 млн в раунде финансирования Серии B.

Россия 

Российские власти также пытаются обуздать технологию. Пока во многих странах звучат призывы и совершаются попытки ограничить распознавание лиц, в РФ такие системы активно внедряются.

В июне российские СМИ сообщили о планах государства объединить все городские камеры видеонаблюдения в единую сеть. А уже спустя несколько дней МВД развернуло в нескольких регионах новую систему, которая распознает лица и силуэты людей.

Правозащитники же считают, что системы биометрической идентификации необходимо ограничить. Они уверены, что повсеместное использование систем распознавания лиц угрожает приватности граждан и сохранности данных.

Власти Москвы с ними не согласны: в мэрии сообщили, что данные горожан надежно защищены, а доступ к ним имеют лишь ограниченное число лиц и ведомств.

Столичный метрополитен пошел еще дальше и в октябре запустил систему оплаты проезда с помощью биометрии. Пассажирам, прошедшим предварительную регистрацию через приложение перевозчика, необходимо подойти к специальному турникету и посмотреть в камеру. Система автоматически сверит снимок с базой, спишет средства и пропустит его к поездам.

В области стандартизации ИИ власти РФ предприняли несколько успешных мер. В середине года глава Росстандарта Антон Шалаев сообщил о намерении принять более 200 ГОСТов в сфере. Спустя три месяца ТК164 «Искусственный интеллект», разрабатывающий ИИ-стандарты, представил первые 36 проектов. Росстандарт уже утвердил 18 из них, большая часть которых вступит в силу в 2022 году.

Большой бизнес — большая ответственность

Рекомендательные алгоритмы Facebook

В 2021 году крупные IT-корпорации столкнулись с рядом проблем, вызвавших широкий общественный резонанс. Многие компании использовали алгоритмы в не самых благих целях, за что на них обрушился шквал критики как со стороны пользователей, так и политиков.

Пожалуй, в эпицентре самого громкого скандала года оказался Facebook (не в первый раз). Незадолго до ребрендинга, бывшая сотрудница соцсети рассказала, что компания знала о предвзятости алгоритмов, их способности разжигать ненависть и язык вражды, однако не спешила решать эти проблемы. По ее словам, подобный контент сильнее вовлекал пользователей, что позволяло Facebook зарабатывать больше денег на показе рекламы.

Представители соцсети всячески опровергали ее заявления и даже согласились открыть доступ к алгоритмам, чтобы доказать их безвредность. Однако это не помогло избежать последствий. Вскоре после публикации документов сразу несколько стран решили урегулировать деятельность рекомендательных алгоритмов. Соответствующие законопроекты представили в России, США и Китае.

Программы для расчета продуктивности от Amazon

В марте сотрудники службы доставки Amazon пожаловались, что компания обязывает их подписывать соглашения на слежку в автомобиле. В противном случае водителей увольняли. Отслеживание в фургонах предусматривает использование распознавания лиц и сбор информации с автомобильных датчиков. Эти данные компания использует для расчета продуктивности сотрудников и увольнения водителей с низкими показателями.

По словам сотрудников, программа не учитывает форс-мажоры, вызванные не по их вине, а возможности обжаловать увольнение у них нет. Как результат — Сенат Калифорнии запретил использовать программы расчета продуктивности на территории штата. Подобные ограничения могут ввести и в Нью-Йорке.

CSAM-сканер от Apple 

В августе компанию Apple уличили в попытке «залезть» в смартфоны пользователей. Корпорация объявила о намерении интегрировать в операционную систему функцию, которая сканировала бы содержимое iPhone, iPad и Mac на наличие контента жестокого обращения с детьми (CSAM).

Общественность сразу же раскритиковала нововведение, обвинив компанию в попытке установить «цензуру, слежку и преследования на глобальной основе». Несмотря на обещания Apple не превращать алгоритм в инструмент слежки, купертиновцы все же отложили введение функции. При этом критики упустили из виду тот факт, что сервис iCloud Mail сканирует почту пользователей на наличие CSAM-контента еще с 2019 года.

Монопольные аппетиты Nvidia 

Одна из крупнейших сделок в истории технологического сектора оказалась под угрозой срыва. Еще в сентябре 2020 года Nvidia объявила о намерении приобрести ARM за $40 млрд. Новость сразу же не понравилась как партнерам британской компании, так и регуляторам в разных странах.

В первую очередь против покупки выступила Великобритания. 19 апреля антимонопольный орган Соединенного Королевства объявил о начале расследования сделки. В ведомстве посчитали, что поглощение британского производителя чипов «угрожает нацбезопасности».

В августе регулятор запустил вторую фазу расследования, заморозив таким образом сделку на неопределенный срок.

Антимонопольные органы других стран, включая США, Китая и Евросоюза, также решили оценить риски слияния двух компаний.

Партнеры ARM сразу же раскритиковали планы Nvidia. Google, Microsoft и Qualcomm считают, что в случае закрытия сделки компания начнет вести нечестную борьбу и закроет им доступ к технологиям. Nvidia же опровергает все опасения и заявляет о продолжении сотрудничества с текущими партнерами ARM, а объединение портфелей продуктов и патентов двух чипмейкеров позволит ускорить развитие полупроводниковых продуктов.

Алгоритмическая предвзятость

Алгоритмы искусственного интеллекта, обученные на собранных человеком данных, способны перенимать наши стереотипы и видение мира. По крайней мере так считают ученые.

В течение всего года из разных уголков планеты приходили сообщения об ошибках в работе ИИ-инструментов. Некоторые из них просто вызывали улыбку, а другие заставляли поднимать важные вопросы об этичности использования искусственного интеллекта в той или иной сфере.

Многие исследователи проблемы алгоритмической предвзятости сходятся во мнении: исправить ситуацию можно и нужно. Для этого необходимо разнообразить данные обучения, проводить более тщательное тестирование и реагировать на тревожные сообщения.

Этические кодексы 

Важным шагом в борьбе с предвзятостью в 2021 году стали кодексы этики ИИ, одобренные некоторыми странами и международными организациями.

В октябре российское правительство совместно с крупнейшими технологическими корпорациями подписали Кодекс этики ИИ, регулирующий морально-этическую сторону использования технологии. Документ не обязывает абсолютно всех создателей алгоритмов в стране выполнять его нормы, он лишь содержит ряд рекомендаций относительно разработки. Однако компании, подписавшие его, взяли на себя обязательство придерживаться кодекса.

Этические нормы приняло и правительство Китая. По задумке властей, это поможет Пекину стать мировым лидером в области ИИ к 2030 году.

Летом Всемирная организация здравоохранения приняла руководящие принципы этического ИИ в медицине. В организации призвали ответственно подходить к разработке алгоритмов, чтобы минимизировать их предвзятость к пациентам.

В ноябре ЮНЕСКО приняла первое в истории соглашение для ответственного ИИ. Его подписали все 196 стран-участниц организации.

Это лишь первые шаги на пути к справедливым и непредвзятым алгоритмам, способным удовлетворить потребности максимального количества пользователей из разных социальных групп. По мере проникновения искусственного интеллекта количество вызовов будет расти, поэтому стоит подготовиться заранее, чтобы минимизировать потенциальный вред.

Выводы 

Уходящий год стал насыщенным для сферы искусственного интеллекта — пересказать абсолютно все в одном материале невозможно. Каждое из описанных событие в той или иной степени влияет на будущее не только индустрии, но и человечества в целом.

Но каким будет этот мир? Наверняка, скоро узнаем.

Нашли ошибку в тексте? Выделите ее и нажмите CTRL+ENTER

Технологии для экологии: как можно сохранить биоразнообразие с помощью искусственного интеллекта

Инструменты IT-компании SAS будут использоваться для анализа данных по наиболее уязвимым видам животных и растений. 

Стремительное исчезновение флоры и фауны – одна из серьезнейших экологических проблем. Остановить вымирание некоторых видов можно, определяя, какие именно животные и растения наиболее уязвимы и какие факторы влияют на их жизнь и среду обитания. 

Для этого NatureServe — организация, занимающаяся защитой биоразнообразия, собирает и анализирует данные по 7 миллионам известных растений и животных. В условиях быстрого изменения климата эти данные должны обновляться не реже одного раза в пять лет. Это очень сложный и дорогостоящий процесс, который обычно выполняется вручную. Кроме того, ученые должны изучить множество научных трудов, что создает дополнительные неудобства.

Чтобы решить эти задачи, NatureServe объединилась с компанией SAS в рамках глобальной инициативы SAS Data for Good. SAS организовала первый саммит социальных инноваций для исследования новых способов применения технологий в экологическом секторе. В ходе саммита сотрудники SAS провели мозговой штурм и участвовали в разработке концепций по сохранению биоразнообразия, которые обеспечили бы NatureServe значительную экономию времени и средств. 

С помощью искусственного интеллекта и углубленной аналитики SAS стало возможным сократить процесс ручного анализа с сотен часов до нескольких единиц. Помимо этого, оценки, которые ранее повторялись каждые пять-десять лет, теперь можно проводить чаще. Это позволит более тщательно документировать события и вовремя предпринимать необходимые шаги по сохранению видов.

«Данные NatureServe в настоящее время сосредоточены на Северной Америке, но результаты, достигнутые SAS, можно экстраполировать для оценки видов в глобальном масштабе и повысить скорость и точность определения наиболее уязвимых видов. Теперь мы можем повторять этот процесс на постоянной основе для многих растений и животных и тем самым помочь предотвратить их вымирание. Мы также получаем подробные отчеты о результатах, чтобы документировать весь процесс и составлять подробный план действий для будущих оценок», — рассказал президент и главный исполнительный директор NatureServe Шон О’Брайен.

SAS Text Analytics автоматизирует процесс изучения  научных журналов, которые предоставляют новейшие сведения о конкретных видах, в то время как SAS Data Management использует аналитику при подготовке дополнительных данных. 

NatureServe также может использовать бесплатное средство просмотра SAS Visual Analytics, чтобы иметь доступ к результатам, полученным из разных источников. Это могут быть тексты, прогнозы, геопространственные и другие системы.  

В партнерстве с SAS организация эффективно собирает и объединяет данные из многочисленных источников и теперь может частично автоматизировать процесс фильтрации записей и расчета информации о редких видах, в том числе об их местонахождении и концентрации популяций. 

Кроме того, для визуализации динамики состояния вида SAS также проверяет и отмечает ошибки согласованности, отсутствующие данные и метрики неопределенности. В одном наборе данных из 85 000 выборок SAS Analytics помогла NatureServe использовать 50 000 точек данных, которые обычно отбрасывались из-за неправильного кодирования или отсутствия информации. 

«Благодаря этому централизованному источнику информации наши эксперты быстрее и эффективнее оценивают исчезающие виды растений и животных на Земле, — добавляет Шон О’Брайен. — С помощью SAS мы можем установить новый глобальный стандарт оценки состояния биоразнообразия».  

Узнать больше о том, как NatureServe применяет аналитику SAS для сохранения биоразнообразия, можно в этом ролике.

Компания SAS является крупнейшей в мире частной IT-компанией, специализирующейся на разработке и продаже решений и услуг в области бизнес-аналитики. Сегодня в ее офисах по всему миру работают около 14 тысяч сотрудников. Клиентами SAS являются более 83 тысяч организаций в 158 странах мира. Среди них – 92 компании из первой сотни лидеров, включенных в список FORTUNE Global 500.

В России и странах СНГ компания SAS начала работу в 1996 году. Заказчикам компания SAS предлагает полный спектр решений и услуг в области бизнес-аналитики: консалтинг, внедрение, обучение и техническую поддержку. Клиентами SAS в России и СНГ являются все 10 крупнейших российских банков (Сбербанк России, ВТБ, Газпромбанк и др.), 9 страховых компаний (Ингосстрах, Ренессанс Страхование, ВСК и др.), РЖД, лидеры розничной торговли, государственные организации, агрохолдинги, крупнейшие компании из телекоммуникационного и топливно-энергетического сектора.

NatureServe — лидер в области мониторинга биоразнообразия природы в западном полушарии. Чтобы сохранить биоразнообразие, NatureServe работает с почти 100 организаций и более 1000 ученых, занимающимися вопросами сохранения видов с помощью сбора, объединения и стандартизации информации о биоразнообразии, предоставляя всеобъемлющие данные лицам, принимающим решения о землепользовании для стратегических усилий по сохранению видов.

Искусственный интеллект и защита окружающей среды — спасение дарвиновских лисиц в Чили

«Защитники природы» (Nature Guardian) – это проект на базе искусственного интеллекта (ИИ), запущенный в национальном парке Науэльбута в Чили с целью изучения и защиты дарвиновской лисицы.


«Защитники природы» (Nature Guardian) – это проект на базе искусственного интеллекта (ИИ), запущенный в национальном парке Науэльбута в Чили с целью изучения и защиты дарвиновской лисицы.


Технологии стали причиной развития коммуникаций, создали условия для формирования международной торговли, однако они также могут сыграть значительную роль в защите природы и животных.


Прибрежный горный массив Науэльбута в Чили является сокровищницей биоразнообразия. Тысячелетние чилийские араукарии, пумы, чилийские олень и дарвиновские лисицы — лишь некоторые из видов, которые делают регион одной из самых биологически богатых экосистем в мире.


Однако, эта удивительная и хрупкая экосистема постоянно подвергается опасности. Многие виды животных, обитающие в Науэльбуте, находятся под угрозой исчезновения, главным образом, из-за деятельности человека. Наряду с такими природными явлениями, как лесные пожары, вторжение людей в естественную среду обитания нарушает хрупкое равновесие природы, истощает биоразнообразие и ставит под угрозу экосистему в целом. Именно поэтому в Чили предпринимаются активные меры по сохранению природы, 20% территории находится в той или иной степени под охраной. Внедрение новейших технологий позволит повысить эффективность изучения и защиты местной флоры и фауны, а также расширит возможности традиционных методов консервации. Лесничие и егеря активно патрулируют эти территории, собирая данные для анализа. Благодаря этой информации, правительство и экологи узнали о бедственном положении этих мест. Сейчас настало время ускорить процесс их защиты с помощью цифровизации и облегчить бремя егерей.

Дарвиновская лисица


Дарвиновская лисица – вид, проживающий только на территории Чили, – была определена как «зонтичный вид», или важнейшее звено в пищевой цепочке, защита которого непосредственно способствует также защите других видов в данной среде. Состояние крохотной лисы, названной в честь знаменитого ученого-естествоиспытателя Чарльза Дарвина, который открыл этот вид в 1834 году, указывает на здоровье целой экосистемы. Поэтому естественно, что экологи в первую очередь обратили внимание на положение этого вида, когда речь зашла о сохранении биоразнообразия этих мест.


Считается, что дарвиновских лисиц осталось менее 1000 видов. Распределенные между двумя крупными ореолами обитания, около 100 особей живут в национальном парке Науэльбута и вокруг него, а ещё около 500 лисиц можно встретить на острове Чилоэ. Число случаев наблюдения вида на новых территориях в Чили увеличилось, однако точное количество остается неизвестным.


Наверняка мы знаем одно – дарвиновские лисицы близки к вымиранию. Массовая гибель вызвана разрушением среды их обитания, а также деятельностью браконьеров и фермеров, стремящихся защитить скот. Значительная угроза исходит также от собак. И домашние, и дикие собаки представляют угрозу для маленькой лисицы – как охотника, так и источника болезней.


Несмотря на серьезные угрозы для биоразнообразия Чили, надежда есть. Современные технологии могут мониторить и анализировать огромные объемы информации при низких затратах. В декабре 2020 года команда партнеров проекта собралась вместе, чтобы определить, как «Защитники природы» могут быть полезны в Науэльбуте, чтобы защитить дарвиновских лисиц и определить наилучшие методы сохранения среды их обитания. Система акустического мониторинга, разработанная компанией Rainforest Connection (RFCx), представляет собой устройства, работающие на солнечных батареях, которые могут идентифицировать крики животных и предоставить данные для дальнейших исследований. Система также способна выявлять звуки выстрелов, шум грузовиков и бензопил незаконных лесозаготовок. Датчики устанавливаются высоко на деревьях, где их не видно, каждый покрывает площадь 3 кв. километра, работает 24 часа в сутки и подключен к облачной платформе с использованием искусственного интеллекта.

Система акустического мониторинга, разработанная компанией Rainforest Connection (RFCx)


Системы аналитики ИИ обучены распознавать звуки, издаваемые различными животными, чтобы эксперты могли изучать зоны распространения и поведение определенных видов и лучшим образом управлять процессом сохранения среды их обитания. Кроме того, при обнаружении угроз система может отправлять лесникам оповещение в режиме реального времени через приложение, что позволяет незамедлительно принимать меры.


По состоянию на август 2021 года было развернуто пять систем «Защитники природы» и десять конечных устройств, расположенных на площади 30 кв. километров леса. На первом этапе проекта приоритетом было выбрано верховье бассейна реки Карамавида в Науэльбуте – очаг биоразнообразия, включающий в себя крупнейшую по площади зону естественных лесов в стране. Система уже идентифицировала десять видов птиц, а дарвиновскою лисицу обнаружил тепловизор. В будущем проект распространится также на остров Чилоэ и прибрежные зоны Вальдивских лесов –  новое место, где была замечена неуловимая лисица, названная в честь Чарльза Дарвина.

Партнеры
проекта Rainforest Connection, Bioforest, Etica en los Bosques, Министерство по защите окружающей среды Чили и Huawei объединяют знания о местной флоре и фауне, опыт в области
охраны природы и технологическую экспертизу, создавая бесценное сочетание,
которое дает надежду на процветание природы Чили.

Интеллект. Основы общей психологии

Интеллект

Зачатки «интеллекта» закладываются у животных в рамках инстинктивного поведения. Формы поведения, связанные с зачатками интеллектуальной деятельности, исходят у животных из инстинктивной мотивации, связанной с органическими, биологическими потребностями. Интеллектуальное поведение всегда содержит и автоматические, стереотипные компоненты в виде частичных операций, включающихся в выполнение интеллектуальных действий. Но эти последние существенно отличаются способностью соотнести различные частные операции со сложными действиями. С развитием интеллектуальной деятельности вариативность, пластичность поведения существенно увеличивается, приобретая как бы новое измерение. Существенно изменяется соотношение между последовательными — предыдущими и последующими — актами поведения и вместе с тем и соотношение акта поведения и ситуации, в которой он совершается. В поведении, основанном на навыках, на выработавшихся в процессе индивидуального развития функциональных стереотипах, последующий акт поведения повторяет предыдущий. Если в инстинктивных реакциях поведение было сковано видовым прошлым, то в навыках оно связано индивидуальным прошлым. Реагируя на настоящую ситуацию стереотипной реакцией — навыком, индивид реагирует на нее как на прошлую, адекватно относясь к ней, лишь поскольку она является повторением прошлой. Отсюда неизбежные противоречия между поведением и объективными условиями ситуации, в которой оно совершается. По мере того как развивается интеллектуальная деятельность, это противоречие разрешается. С развитием интеллектуальной деятельности каждый акт поведения приобретает значительную вариативность. В результате возникают внутренние предпосылки для более адекватного регулирования поведения в соответствии с новыми, изменяющимися условиями внешней объективной ситуации. «Разумное» поведение, основанное на интеллектуальной деятельности, определяется, таким образом, специфическим отношением, с одной стороны, к объективным условиям, к ситуации, в которой оно осуществляется, с другой — к истории развития индивида, его осуществляющего: оно должно быть адекватно ситуации, целесообразно используя соотношениямежду предметами для опосредованногона них воздействия; притом это целесообразное поведение должно быть новым для данного индивида актом и достигаться не вслепую, а в результате познавательного выделения объективных условий, существенных для действия.


«Разумное» поведение, связанное с развитием интеллекта, обычно противополагается инстинкту с его слепотой и навыку с его автоматизмом как их прямая противоположность. Вместе с тем элементы разумности, интеллекта имеются, как мы видели, внутри инстинкта и навыка, и вся история развития и инстинктов, и навыков, особенно на высших ступенях, неразрывно сплетается с развитием интеллекта, на каждой ступени в новых формах обнаруживая и противоречия, и единство, взаимосвязь, взаимопереходы друг в друга.

«Разумным» действием в очень широком смысле слова можно назвать всякое действие, которое находится в соответствии с объективными, существенными для данной задачи условиями. «Разумным» в этом смысле оказывается инстинктивное, по-видимому, действие вороны в вышеприведенном примере в силу большой адекватности ситуации — в отличие от слепого, неразумного инстинктивного действия гагарки, которая, после того как яйцо было сдвинуто, садится на то место, где было яйцо, и греет камень. «Разумным» в этом смысле представляется поведение собаки, когда при любом расположении клетки она производит движения, необходимые для того, чтобы ее открыть, ударяя по рычагу, — в отличие от слепого, неразумного ее поведения, которое она обнаружила, когда при повороте клетки и передвижке рычага ударяла по тому месту, где он первоначально находился.

Таким образом, » разумность» поведениязависит прежде всего от характера восприятия.

Способность дифференцировать предметы в ситуации и реагировать на их соотношения — прежде всего, по-видимому, на пространственные соотношения предметов в зрительном поле — является первичной предпосылкой интеллекта в широком, неспецифическом смысле слова. Ядро же собственно интеллекта составляет способность выделить в ситуации ее существенные для действия свойства в их связях и отношениях и привести свое поведение в соответствие с ними. Существенные же связи основаны на реальных зависимостях, а не на случайных совпадениях, на условно-временных связях. Выделить существенные для действия реальные зависимости от случайных условно-временных связей можно, только изменяя ситуацию, т. е. воздействуя на нее. Развитие интеллекта поэтому существенно обусловлено развитием двигательного аппарата, как периферического, так и центрального, — способностью к манипулированию и произвольному движению. Существеннейшей биологической предпосылкой развития интеллекта является развитие руки и зрения, способности производить действия, изменяющие ситуацию под контролем зрения, и таким образом наблюдать результаты собственного воздействия на окружающий мир: образ действия в не меньшей мере определяет образ познания, чем образ познания — образ действия.

В силу этой зависимости развития интеллекта от развития руки и зрения, от способности активно воздействовать на окружающее и наблюдать результаты этого воздействия биологические предпосылки интеллекта зарождаются у обезьян, у которых впервые развивается манипулирование под контролем высокоразвитого зрения. Интеллект в специфическом смысле слова развивается у человека в ходе исторического развития на основе труда; изменяя в своей общественно-трудовой деятельности действительность, человек познает ее и, познавая, изменяет. Интеллект человека, служащий для познания действительности и руководства действием, формируется в процессе воздействия на действительность.

При этом интеллектуальная деятельность характеризуется не только своеобразными механизмами, но и специфической мотивацией. Она выступает в виде любопытства, любознательности, специфической познавательной формы интереса к окружающему. Было бы неправильно приписывать этот интерес какому-то специфическому исследовательскому импульсу, будто бы заложенному в природе обезьяны или человека. В действительности этот интерес, любознательность, любопытство являются потребностью, которая возникает в процессе деятельности, расчленяющей и изменяющей окружающие предметы. Интерес, сначала проявляющийся в стремлении манипулировать вещами, именно этим манипулированием или, точнее, теми изменениями, которые оно производит в вещах, вероятно, первично главным образом и порождается. Исследовательский импульс — это прежде всего интерес к предмету, порожденный теми изменениями, которым он подвергается в результате воздействий на него: познавательный, теоретическийинтерес зарождается в практическойдеятельности.

Интеллект и «разумная» деятельность, с ним связанная, являются продуктами длительного развития. Они — исторические понятия. Возникнув в результате развития, они сами развиваются. <…>

Развитие интеллекта выражается, во-первых, в изменениях не только количественных, но и качественных самого интеллекта. Изменяется как содержание, так и форма интеллектуальной деятельности: в смысле содержания интеллектуальные операции проникают во все более глубокие слои сущего, по мере того как развиваются формы действенного проникновения в окружающее и изменения действительности. Анализ и синтез зарождаются в действии и сначала производятся как практические анализ и синтез. В дальнейшем у человека интеллектуальные операции становятся не только практическими — вплетенными непосредственно в структуру действия, — а также и теоретическими, все более опосредованными.

Развитие интеллекта выражается, во-вторых, в изменении и других форм поведения; инстинкт, приобретая все более лабильные формы, переходит во влечение, в котором закреплен лишь исходный импульс действия и завершающий его осуществление акт, а весь промежуточный процесс, от которого зависит, будет ли влечение удовлетворено, когда, как, при каких условиях, — переходит уже к интеллекту. Навык перестраивается не менее радикально: у человека появляются навыки, которые целиком строятся на основе интеллектуальной деятельности: посредством специальной тренировки или упражнения в навык превращается интеллектуальная по сути операция.

Вместе с тем, в-третьих, изменяются и взаимоотношения между интеллектом, навыком и инстинктом. Сначала элементы интеллекта заключены внутри инстинкта и навыка, проявляясь в нестрого стереотипных, изменяющихся применительно к ситуациям, формах как одного, так и другого. Навык как индивидуально приобретаемая форма поведения, изменяющаяся под влиянием личного опыта, особенно близок к интеллекту. То, что из перспективы высокоразвитого интеллекта представляется в виде генерализованного навыка, вариативного в способах своего осуществления, является собственно еще не расчлененным единством навыка и элементарных зачатков интеллекта. Недаром обучаемость животных, способность их изменять свое поведение на основе личного опыта, трактовались обычно под рубрикой «ум» животных. Это недифференцированное единство затем раздваивается; развитие идет посредством «раздвоения единого» по расходящимся линиям — с одной стороны, дифференцируются высшие специфические формы интеллекта, с другой — все еще относительно рутинные навыки, более или менее косные автоматизмы. В результате единство между различными формами психики и поведения не порывается, а становится лишь более дифференцированным. Все отчетливее отличаясь друг от друга, они вместе с тем и взаимопроникают друг в друга. Если на ранних ступенях развития интеллект или элементы его выступают внутри инстинкта или навыка, то на высших инстинкт и навык функционируют внутри или на основе интеллекта, который осмысливает, контролирует и регулирует их.


Данный текст является ознакомительным фрагментом.

Продолжение на ЛитРес

Будущее технологий телемедицины с применением Интернета вещей и…

Интернет вещей и искусственный интеллект в телемедицине

Во времена Интернета вещей сверхбыстрая скорость соединения означает, что большое количество медицинских устройств и оборудования может быть подключено к серверу или облаку. В результате этого технология телемедицины может использовать данные в реальном времени для обеспечения более высокого качества удаленного обслуживания. Пациенты могут использовать носимые устройства и другие медицинские устройства дома, чтобы измерять артериальное давление, температуру, частоту сердцебиения и передавать результаты для анализа своему врачу. Поставщики услуг смогут вводить записи по пациентам, выписывать рецепты и добавлять другую информацию, к которой будет обеспечен легкий доступ для фармацевтов и специалистов на своих местах.

Интегрированные носимые устройства отслеживают жизненные показатели пациентов в течение дня и передают данные в облако для их регулярного анализа как самими пациентами, так и поставщиками медицинских услуг. Такой уровень мониторинга способен помочь пациентам с хроническими заболеваниями более тщательно следить за своим состоянием здоровья, а также может предотвратить необходимость в экстренном обслуживании и посещении отделения неотложной помощи. Если пациенты чувствуют недомогание или у них появились вопросы, они могут запланировать прием у врача, используя телемедицину; поставщик услуг может получить доступ к текущим данным и предоставить консультацию.

Киоски самообслуживания в различных местах — в клиниках, аптеках или общественных местах — обеспечивают еще один способ связи с поставщиками услуг. Киоски также могут позволять пациентам регистрироваться на приемы и оплачивать счета.

Бригады неотложной помощи могут использовать устройства телемедицины для получения данных ЭЭГ, ЭКГ и другую информацию, передавать их в больницу, находясь в пути. Специалисты могут консультировать по вопросам необходимой экстренной помощи, а сотрудники больницы смогут лучше подготовиться к прибытию пациента. Возможность незамедлительного реагирования на экстренные случаи может спасти жизни, особенно в случае инфарктов и инсультов.

Искусственный интеллект также предоставляет новые возможности для телемедицины. Например, искусственный интеллект может давать подсказки, которые облегчат получение истории болезни во время приема с помощью телемедицины, динамически внося коррективы в вопросы на основании ответов.1 Алгоритмы искусственного интеллекта могут также помогать с диагностикой заболеваний, особенно это касается меланомы.2 Другие инструменты с применением искусственного интеллекта могут предоставлять персонализированные напоминания для приема лекарственных препаратов и рекомендовать необходимость в проверке состояния пациента на основе персональных данных, полученных в результате мониторинга.2

Знакомство с природоохранной деятельностью на основе разведывательных данных: соединение преступности и природоохранной науки | Криминалистика

В рамках более крупного исследования культуры и операций рейнджеров настоящее исследование представляет собой процесс оценки разведывательного подхода, используемого UWA. В отличие от оценки воздействия или результатов, которая включает в себя измерение проблемы и систематическое сравнение изменений на основе схемы оценки (Eck 2011), оценка процесса фокусируется на изучении «основных процессов того, что происходило во время инициативы по сокращению преступности» (Ratcliffe 2008, с.189). По сути, оценка процесса оценивает то, как реализуется программа (Gibbs et al. 2015).

Сбор данных происходил в июле и августе 2014 года. В рамках исследования автор встретился с высшим руководством в штаб-квартире UWA в Кампале, столице и крупнейшем городе Уганды, чтобы обсудить текущее состояние разведывательных инициатив в организации, а также то, что требуется для развития специальных подразделений по борьбе с преступностью и / или разведки в различных заповедных зонах, расположенных по всей стране.Значительное время было также потрачено на общение с рейнджерами и руководством ряда различных национальных парков Уганды, включая Кибале, озеро Мбуро и парк королевы Елизаветы. Было высказано мнение, что, если не будут собраны точки зрения на уровне земли, любое обсуждение внедрения подхода, основанного на разведке, или подразделения по анализу преступлений будет спорным, учитывая изменчивость контекста и реалии, характерные для конкретных мест.

Официальные интервью (n = 89) были проведены с правоохранительными органами (включая разведку), рейнджерами и инспекторами по охране природы.Кроме того, были завершены неофициальные обсуждения с рейнджерами из других отделов (например, туризма). Официальные интервью и неформальные обсуждения дополнялись личными полевыми заметками и рассказами автора.

Статус анализа преступности и разведывательных данных в UWA

Прежде чем обсуждать текущий статус анализа преступности и разведывательных данных в UWA, следует упомянуть методы сбора данных и управления ими в UWA. Прописная истина в криминальном и разведывательном анализе состоит в том, что анализ хорош настолько, насколько хороши данные, на которых он основан.Другими словами, анализ требует надлежащего управления данными и основан на соответствующем сборе, сопоставлении и хранении данных. К счастью, важность управления данными встроена в UWA.

Одним из типов данных, используемых UWA для оценки преступной деятельности, является информация о патрулировании. Данные собираются с помощью мониторинга правоохранительных органов (LEM) или сбора данных на основе рейнджеров (RBDC). LEM или RBDC — это практика сбора данных во время патрулирования о незаконной деятельности, дикой природе и экологическом состоянии охраняемой территории (например,грамм. растительность) через патрули рейнджеров (Moreto et al. 2014). Такие данные собираются с помощью устройств GPS и загружаются в централизованную базу данных с открытым исходным кодом, называемую Информационной системой управления или MIST, для оценки тенденций. Недавно UWA начал внедрять инструмент пространственного мониторинга и отчетности (SMART). SMART похож на MIST тем, что это восходящая программа, использующая RBDC, однако SMART предоставляет расширенные аналитические возможности, облегчающие принятие решений и распределение ресурсов практически в реальном времени. k,l В дополнение к этому Общество охраны дикой природы (WCS) разработало онлайн-базу данных о преступлениях против дикой природы, которая позволяет UWA отслеживать правонарушителей, составлять профили правонарушителей и отслеживать судебные дела. m

Хотя такие программы управления данными, несомненно, полезны, основным ограничением является отсутствие аналитиков в организации. В то время как вышеизложенное может дать понимание и информацию, действенная разведка требует участия аналитиков. Более того, анализ преступности и разведывательных данных должен выходить за рамки простого просмотра и сообщения информации, поскольку аналитики также должны активно участвовать в решении проблем (Clarke and Eck, 2005; Eck and Clarke, 2013).Другими словами, для анализа требуется нечто большее, чем просто представление или сообщение информации; это требует попытки лучше понять тонкости преступной деятельности, включая ситуационные (например, пространственно-временные закономерности) и индивидуальные (например, образ действий) элементы, а также определить области для предотвращения. Важно, чтобы такой анализ был обоснован и основан на теории, которой в настоящее время также не хватает в UWA.

Хотя администрация и руководство UWA в штаб-квартире осознают потенциальную ценность анализа преступлений и разведывательных данных, такая деятельность в настоящее время не практикуется и не используется.Частично это связано с ограниченными ресурсами и доступной подготовкой, а также с отсутствием общих знаний в этой области. К счастью, UWA начал участвовать в инициативах, связанных с разведкой. В 2013 году UWA создала свое разведывательное подразделение, которое в настоящее время находится в составе правоохранительного управления. n Обученные военной разведке, рейнджеры разведки UWA разбираются в контрразведке, оперативной разведке, уголовных расследованиях, сборе информации и улик.Однако рейнджеры разведки не обучены анализу криминальной разведки.

Разработка пилотного проекта WILD LEO — это шаг в правильном направлении для решения проблемы отсутствия аналитиков в UWA. o Проект WILD LEO предполагает использование недорогих GPS-камер для документирования преступной деятельности во время патрулирования рейнджерами. Затем фотографии наносятся на карту и анализируются с помощью программного обеспечения ГИС с открытым исходным кодом обученным криминалистом. Затем составляются отчеты для принятия тактических и стратегических решений (см. Lemieux 2015).Что уникально в проекте WILD LEO, так это то, что он также использует базу данных правонарушителей с фотографиями с GPS-метками, выступающими в качестве подтверждающих доказательств для судебного преследования UWA.

Благодаря MIST, SMART, онлайн-базе данных о преступлениях против дикой природы и проекту WILD LEO, UWA располагает информационными технологиями, необходимыми для анализа преступлений и разведывательных данных. Однако, если аналитики не станут более центральным элементом внутри организации, аналитические возможности агентства останутся ограниченными.Кроме того, за исключением базы данных о преступлениях против дикой природы, описанная выше информационная технология также в основном ориентирована на охраняемые территории и не расширяет и не включает штаб-квартиру UWA. При этом все имеют явный акцент на правоохранительный орган. Возможно, преступления против дикой природы не являются исключительной ответственностью правоохранительных органов, и другие отделы агентства могут предоставить информацию, которая поможет лучше понять незаконную деятельность, которая угрожает дикой природе Уганды и охраняемым территориям.

В сущности, в UWA отсутствует концептуальная основа и операционная модель для согласованного подхода, основанного на разведке. И структура, и модель необходимы для управления процессами, определения ролей и обязанностей ключевых участников, определения направлений для необходимых ресурсов, обучения и сотрудничества, а также для помощи в разработке целей и результатов агентства и отдела. Кроме того, без них анализ преступлений и разведывательных данных в UWA будет иметь ограниченный успех.

Внедрение интегрированной системы сохранения на основе разведывательных данных и аналитической сети рейнджеров

Разработка системы охраны на основе разведданных: концептуальная основа

Несмотря на потенциальные преимущества традиционной модели ПДОДИ, утверждается, что для учета уникальные характеристики, цели, организационная структура, доступные ресурсы и проблемы, с которыми сталкивается UWA.Поскольку общей целью UWA является сохранение, а не охрана, требуется разработка отдельной и уникальной системы сохранения на основе разведывательных данных (ILC). Другими словами, задержание правонарушителей и предотвращение преступной деятельности — это лишь часть более широкой повестки дня по охране природы, которая включает в себя сокращение конфликтов между человеком и дикой природой, разработку общественных природоохранных инициатив и решение проблем, а также развитие туризма. Таким образом, вводится структура ILC для адаптации и расширения принципов ILP.

Важно отметить, что подход ILC продвигает представление о том, что разведка не является исключительной обязанностью правоохранительных органов и полезна не только для целей, связанных с преступностью. По сути, представление о том, что методы, основанные на разведке, должны быть размещены в одном подразделении, не позволяет использовать ресурсы как внутри организации, так и за ее пределами, и не признает взаимосвязанный характер вопросов сохранения. ILC использует широкое определение интеллекта, признавая, что информацию, полезную для сохранения, можно найти в различных подразделениях UWA.Кроме того, требуется комплексный подход для использования информации, которая может быть преобразована в полезную природоохранную информацию, обеспечивая более точную оценку общей цели сохранения UWA (т. е. аресты в сочетании с данными о популяциях диких животных могут дать более полное представление о эффективность конкретных инициатив). Таким образом, природоохранная разведка определяется здесь как проанализированная информация, которая сочетает в себе анализ преступлений, криминальную разведку, информацию о дикой природе и охраняемых территориях, а также знания сообщества для обоснованных природоохранных инициатив.

Хотя организационная структура UWA благоприятна для создания структуры КМП, учитывая его военизированную иерархию сверху вниз и туристическую бизнес-модель, в настоящее время у него нет мандата на уровне всего агентства, возглавляемого разведкой. Утверждается, что различные отделы UWA должны быть включены в структуру ILC, поскольку информация, исходящая от одного отдела, также может быть полезна для других отделов. Чтобы эффективно и действенно использовать информацию, полученную от рейнджеров, членов сообщества и других агентств, в UWA также должны быть включены специальные аналитики.Аналитики должны размещаться в различных отделах в каждой заповедной зоне, а также в штаб-квартире UWA, чтобы гарантировать, что отдельные аналитики не будут перегружены. Кроме того, аналитики смогут с большей готовностью направлять рейнджеров в своем отделе в отношении того, как должным образом собирать данные и предоставлять результаты при обращении. Есть надежда, что их знакомство с рейнджерами в их отделе приведет к укреплению доверия и уважения, а также уменьшит кадровые проблемы, которые могут возникнуть, если аналитик не привык к культуре отдела (см. ниже).

В то время как аналитики также должны быть обучены в соответствии с потребностями своего отдела, необходимо установить общий унифицированный подход к управлению данными. Это помогло бы оптимизировать обмен информацией между отделами и обеспечить качество данных за счет сокращения ошибок, связанных с данными и человеческим фактором (например, неправильный ввод данных). Затем информацию можно триангулировать и контекстуализировать для обогащения общеорганизационной разведки, поскольку объединенная информация о популяциях диких животных, отношениях с общественностью и арестах может дать больше информации, чем полагаться только на один источник данных.Кроме того, аналитики должны нести ответственность за обзор и исследование соответствующей литературы, чтобы проводить теоретически обоснованный и эмпирически подтвержденный анализ и представлять аналитический продукт, полезный для лиц, принимающих решения в отношении охраняемых территорий. Важно отметить, что наличие выделенного аналитика отдела также облегчает сотрудничество с внешними агентствами, поскольку назначается центральная фигура в качестве контактного лица.

Примечательно, что исключительно с точки зрения криминальной разведки подход ILC поддерживает обмен информацией внутри UWA и с внешними правоохранительными органами.Это имеет решающее значение для раскрытия тонкостей преступлений против дикой природы, особенно таких сложных форм, как незаконный оборот дикой природы. Как уже отмечалось ранее, нынешнее продвижение подходов ПДОДИ способствует созданию среды, в которой данные UWA, местной полиции, таможни и международных агентств, таких как Интерпол, могут быть объединены для проведения углубленной оценки потенциальных правонарушителей, транспортных маршрутов и тактики. .

Аналитическая разведывательная сеть рейнджеров: операционная модель сохранения на основе разведданных

Предлагаемая здесь операционная модель для ILC называется RAIN. p Показанная на рисунке 1 модель RAIN включает в себя пять ключевых отделов UWA: сохранение сообщества, мониторинг и исследования, туризм, юридический отдел и правоохранительный орган. Каждый отдел имеет свои уникальные цели и данные; все они полезны для всесторонней оценки состояния охраняемых территорий в Уганде.

Рисунок 1

Ключевые отделы, участвующие в аналитической разведывательной сети рейнджеров.

Хотя информация, полученная от этих отделов, в целом способствует разведывательной деятельности по охране природы, они также могут вносить конкретный вклад в разведку преступлений.Как уже упоминалось, более широкая структура ILC гарантирует, что UWA признает и усваивает ценность разведывательных данных, полученных из источников, не связанных с правоохранительными органами (например, сохранение сообщества), для инициатив правоохранительных органов. Например, отдел туризма может предоставить информацию о туристических компаниях, которые могут быть вовлечены в незаконную деятельность, связанную с отслеживанием q , в то время как юридический отдел может предоставить информацию о рецидивистах. Аналогичным образом отдел охраны окружающей среды может получить информацию от надежных и заслуживающих доверия источников информации из местных сообществ, которые могут определить области, представляющие интерес для его собственного отдела (например,грамм. конфликт человека и дикой природы), а также для правоохранительных органов (например, ответное убийство дикой природы). Наконец, отдел мониторинга и исследований может предоставить данные о количестве популяций диких животных, которые могут быть полезными дополнительными показателями для оценки усилий правоохранительных органов.

На рис. 2 в упрощенном виде представлены процессы, связанные с внутриведомственным потоком информации и оперативных данных, а также процессы принятия решений и планирования в рамках ILC. Во-первых, данные и информация собираются передовыми рейнджерами и передаются аналитику отдела в заповедной зоне.После того, как информация проанализирована и преобразована в действенный разведывательный продукт, она затем передается руководителям отдела (например, главному рейнджеру, надзирателю) для поддержки принятия решений и планирования на уровне отдела. Затем надзиратели предоставляют разведывательные отчеты вместе с информацией о принятии решений и планировании управляющему охраняемой территорией. Затем менеджер заповедной зоны вместе с руководством штаб-квартиры UWA разрабатывает как долгосрочные, так и краткосрочные планы.

Рисунок 2

Внутриведомственные совместные процессы и поток информации в сети аналитической разведки рейнджеров (RAIN).

Как показано, аналитики в заповедных зонах также напрямую обмениваются информацией и сведениями с аналитиками, находящимися в штаб-квартире. Это помогает предоставить UWA необходимую информацию для оценки общенациональных тенденций, проблемных областей и путей распределения ресурсов. Кроме того, изучая информацию и разведывательные данные из различных заповедных зон, можно дополнительно раскрыть сложные преступления против дикой природы (например, незаконный оборот дикой природы), поскольку преступники могут действовать в нескольких заповедных зонах.Действительно, в рамках модели RAIN штаб-квартира действует как внутренний центр слияния, который отвечает за получение, анализ и распространение информации, полученной из различных заповедных зон в Уганде.

Как показано на рисунке 3, аналитики в заповедных зонах и в штаб-квартире также играют центральную роль в межведомственном обмене информацией и разведывательными данными. Аналитики смогут предоставлять и получать ценную информацию от местной полиции, таможни, НПО и других учреждений и заинтересованных сторон, заинтересованных в сохранении (например,грамм. ИНТЕРПОЛ). Затем такую ​​информацию можно было бы объединить с данными UWA для разработки действенной природоохранной информации, полезной для совместного стратегического, оперативного и тактического планирования.

Рисунок 3

Процессы межведомственного сотрудничества между RAIN и внешними агентствами и заинтересованными сторонами.

Соображения по реализации ILC и RAIN

В качестве концептуальной основы и операционной модели ILC и RAIN могут быть многообещающим вариантом для UWA.Как уже отмечалось, возможности информационных технологий UWA достаточны для реализации подхода ILC. Однако стоит учитывать и некоторые дополнительные факторы. Важно отметить, что нижеследующие не исключают друг друга. Кроме того, несмотря на то, что основное внимание в настоящем исследовании уделяется UWA и может не распространяться на другие области, на основе литературы и обсуждений с исследователями, работающими в других местах, считается, что следующее может быть также применимо к охраняемым территориям в других местах. также развивающиеся страны.

Устойчивость и осуществимость реализации подхода ILC

Информационные технологии и анализ разведывательной информации о сохранении не окажут долгосрочного воздействия, если они не будут устойчивыми или осуществимыми на низовом уровне. Действительно, одной из основных жалоб, которые слышали от рейнджеров, супервайзеров и руководства, были трудности, с которыми они в настоящее время сталкиваются с определенными устройствами и программами. Подобные проблемы, связанные с отсутствием инфраструктуры и поддержки информационных технологий и анализа преступности, а также их негативное влияние на патрульных, уже отмечались ранее (Manning 2001).

В частности, рейнджеры описали свое недовольство ограниченным доступом к электричеству. Это часто затрудняло использование устройств (например, GPS), необходимых для сбора данных. Более того, программное обеспечение, зависящее от надежной сети, оказалось несовместимым с реалиями, с которыми столкнулись рейнджеры, особенно в охраняемых районах с непостоянным или отсутствующим сотовым приемом (т. е. программами, которым требуется доступ в Интернет для загрузки или просмотра данных). Разочарованные невозможностью загрузки данных, некоторые супервайзеры предположили, что информация теряется или не учитывается.

При разработке RAIN необходимо было бы четко решить такие проблемы, чтобы уменьшить проблемы с его успешным внедрением, а также смягчить недовольство персонала. К сожалению, как отмечалось выше, проблемы с ресурсами и инфраструктурой могут помешать UWA сделать это. Например, одним из способов решения проблемы с электричеством является более широкое использование солнечных батарей. Хотя в настоящее время в некоторых охраняемых районах Уганды используются солнечные батареи, это редкость.Чтобы потенциально решить проблему плохого приема сотовой связи, можно использовать усилители сотовой связи, но даже эта технология может не подходить для кустарника.

Кроме того, обучение персонала (см. ниже), несомненно, обойдется UWA в значительную сумму денег. Учитывая ограниченные ресурсы, доступные в настоящее время организации, RAIN может обучать рейнджеров, чтобы они стали штатными инструкторами. Вместо того, чтобы отправлять ограниченное количество рейнджеров для обучения разведке в другие страны, инструкторы UWA смогут проводить начальное и повторное обучение, специально подходящее для ОТ Уганды, для всех рейнджеров и персонала в организации.

Межличностная динамика внутри- и межведомственного сотрудничества, сотрудничества и обмена информацией

Ключевым элементом RAIN является внутри- и межведомственное сотрудничество и сотрудничество. Учитывая размер UWA, возможность обмена информацией имеет решающее значение. Однако внутриведомственное сотрудничество не следует воспринимать как нечто само собой разумеющееся и не следует ожидать его немедленно. Действительно, Гор (2011) сообщил, что изучение и понимание человеческого измерения природоохранной науки имеет решающее значение для разработки, реализации и оценки политики.Другими словами, важно признать, что вмешательства в значительной степени укоренены в нескольких социальных системах, включая индивидуальную, межличностную, институциональную и инфраструктурную (Pawson 2009).

Например, неоднозначная роль рейнджеров разведки в UWA привела к внутреннему недоверию среди рейнджеров, поскольку некоторые рейнджеры считают, что рейнджеры разведки больше сосредоточены на расследовании внутренних дел (т. е. выявлении правонарушений рейнджеров; см. Moreto et al. .2015). Это привело к отсутствию доверия между правоохранительными органами и разведчиками. Фактически, из-за этой скрытой напряженности некоторые рейнджеры правоохранительных органов описали, как они не предоставили бы информацию рейнджерам разведки, даже если бы у них был к ней доступ.

Кроме того, путем развития взаимных отношений с другими агентствами может быть возможна среда обмена информацией и ресурсами. К счастью, такое сотрудничество имеет место в определенной степени. Например, UWA и местная полиция проводят совместные операции по борьбе с известными браконьерами.В целом, для UWA было бы полезно продолжать развивать отношения сотрудничества с правоохранительными органами внутри страны и за ее пределами. К сожалению, отношения с другими ведомствами, включая полицию, иногда могут быть спорными. Например, предполагаемые проблемы, связанные с коррупцией, иногда вызывали недоверие и моральный цинизм между этими агентствами.

Понимание организационной и профессиональной культуры рейнджеров

Помимо технических и учебных соображений, еще одним важным аспектом, требующим размышления, является роль организационной и профессиональной культуры (см. Moreto 2013).Как и в случае с традиционными формами полицейской деятельности, достижения в области информационных технологий не следует рассматривать и оценивать только с точки зрения их инструментального воздействия; скорее, его влияние на межличностную динамику организаций и политики (см. Manning 2008). Исследования показали важность изучения организационной и профессиональной культуры полиции для лучшего понимания множества формальных и неформальных аспектов, связанных с полицейской деятельностью, включая, среди прочего, коррупцию, конфиденциальность, удовлетворенность работой, стресс, управленческие ценности и отношения с персоналом (см. и другие.2007 г.; Морето 2015; Paoline and Terrill 2014), а также понимание факторов, которые могут способствовать или ограничивать изменения (Chan 1997). Предыдущие ученые также исследовали влияние века информационных технологий на деятельность полиции, полицейские организации и полицию (Chan, 2001; Ericson and Haggerty, 1997), а также связь между полицейской культурой и анализом преступности (Cope, 2004). В целом такое исследование помогло лучше понять часто игнорируемую человеческую и межличностную динамику информационных технологий.

Потребность в обучении теории и практике

Аналитики-рейнджеры должны разбираться как в теории, так и в технических приложениях. Важно отметить, что подготовка аналитиков не будет адекватной для успеха RAIN. Обучение рейнджеров на местах, а также управление ими имеют решающее значение для лучшего сбора данных и более эффективного использования действенных природоохранных данных. Действительно, было отмечено, что способность руководителей полиции оценивать и понимать аналитические продукты влияет на то, будут ли предприниматься действия по таким продуктам (Ratcliffe 2004).Кроме того, обучение персонала помогает определить роль аналитиков в организации, чтобы гарантировать, что они рассматриваются как часть структуры поддержки лиц, принимающих решения, а не просто как технические специалисты (Эванс и Кеббелл, 2012).

Кроме того, различия в знаниях и понимании технологии, несомненно, влияют на интерпретации или технологические рамки различных сотрудников (Orlikowski and Gash 1994). Сходства и различия в технологической структуре рейнджеров, аналитиков и менеджеров могут быть признаны и, при необходимости, устранены путем надлежащего обучения.Таким образом, другие проблемы, включая проблемы, связанные с организационной или профессиональной культурой, могут быть смягчены, поскольку ожидания от технологии и персонала (т. е. возможности аналитиков) могут стать более реалистичными и лучше понятными.

Как уже отмечалось, текущий анализ преступности в охраняемых районах Уганды является атеоретическим. Это пробел, который могла бы заполнить наука о криминале, предоставив понимание с точки зрения экологической криминологии, а также рекомендации по разработке стратегий предотвращения (например,грамм. ситуационная профилактика преступности). Предоставляя аналитикам, рейнджерам и руководству необходимую теоретическую основу для анализа, аналитические продукты, а также тактические операции и стратегические планы могут оказаться более успешными. Кроме того, теоретически обосновывая принятие решений, руководство сможет обосновать политику до ее принятия, а не полагаться на специальные объяснения.

Потребность в качественных данных

Количественные формы преступлений и анализ разведданных, как правило, находятся в центре внимания при анализе преступлений против дикой природы.Однако качественные данные очень важны для анализа преступности (Santos 2013). Признание ценности качественных данных может привести к более инклюзивному подходу к сбору и анализу данных посредством соответствующего обучения и внутри- и межведомственного сотрудничества. Более того, в сфере науки о преступлениях качественные исследования могут способствовать раскрытию важной динамики рынка (см. 2014; хотя см. Moreto and Clarke 2014).

Внедрение и оценка подхода ILC

Наконец, разработка и внедрение ILP в развитых странах часто происходили без явной оценки процессов и результатов или воздействия. Однако разумная политика требует обеих форм оценки. Хотя проведение оценки как процесса, так и результатов RAIN может оказаться трудным — действительно, стратегии разведки в целом трудно оценить (см. Ratcliffe 2008), UWA как природоохранное агентство имеет уникальные преимущества по сравнению с традиционными полицейскими агентствами.Например, хотя правоохранительные органы становятся более прогрессивными и открытыми для сотрудничества с исследователями, барьеры все еще существуют. К счастью, поскольку UWA знаком с работой с внешними исследователями и занимается собственными исследованиями, внедрение и оценка RAIN могут оказаться возможными.

Предполагается, что любая оценка RAIN должна начинаться с надлежащего начального изучения того, что оценивается (т.е. показатели эффективности) и как реализовать эти концепции (Ratcliffe 2008).Поскольку UWA собирает и имеет доступ к другим источникам данных (например, подсчет популяции диких животных), помимо данных о преступности, показатели результатов могут быть разработаны с использованием триангулированных источников, что обеспечивает более полную оценку RAIN. Действительно, подход на основе разведки может потребовать использования различных данных, чтобы эффективно измерить его успех (Ratcliffe 2008).

Поскольку структура ILC может быть полезной для других природоохранных агентств, выполнение оценки процесса (аналогичной представленной здесь) так же важно, как и его результат, поскольку он дает представление о том, почему конкретные процессы сработали или не сработали, что может нужно сделать для решения проблем во время разработки и внедрения, и какие изменения можно сделать, чтобы сделать программу более эффективной и действенной (см. Ratcliffe 2008; Gibbs et al.2015). Кроме того, любая оценка выиграла бы от принятия реалистической точки зрения, чтобы специально адаптировать оценку к контекстуальным потребностям, проблемам и целям UWA (см. Pawson and Tilley 1997).

Последующие оценки результатов модели могут проводиться в нескольких формах. Например, предварительные или прерывистые расчеты временных рядов могут быть выполнены для каждой отдельной охраняемой территории, а также для организации в целом (см. Eck 2011). Анализ затрат и выгод также может быть выполнен для оценки компонентов модели и эксплуатационного успеха.Такой анализ был бы особенно полезен для управления UWA в штаб-квартире, а также в заповедных зонах как средство выявления альтернативных ресурсов или подходов, которые принесли бы аналогичные выгоды с меньшими затратами (Роман и Фаррелл, 2002 г.).

Искусственный интеллект в биоразнообразии: как ИИ может помочь в сохранении животных? | by Roger Brown

По последним данным, к концу 2020 года популяция диких животных, живущих на Земле, сократится на две трети.Мало кто не заботится о животных и не знает, как эти естественные обитатели влияют на жизнь других живых существ на этой планете.

Этот непрерывный процесс нарушит биоразнообразие Земли , а сохранение естественного биоразнообразия планеты жизненно важно для функционирования наших природных экосистем . Каждое животное, даже отдельное растение или небольшой грибок, является частью большей системы, и если они исчезнут, это повлияет на части экосистемы, что приведет к нестабильности, в конечном итоге к краху всей системы.

Следовательно, сохранение биоразнообразия Земли важно для поддержания баланса между всей Экосистемой . Но существующая система мониторинга дикой природы либо не способна масштабироваться в глобальном масштабе, либо не имеет нужного разрешения, либо, можно сказать, мелкомасштабные данные часто недоступны властям.

Работа с машинным обучением

Как обычная практика, исследователи утомительно работают над выполнением ручных задач, таких как идентификация конкретных животных из фотосессий для изучения популяции.Позже, с большими усилиями и затратами времени, эти фотографии с камеры классифицируются вручную.

Но теперь, благодаря технологиям продвинутого уровня, таким как искусственный интеллект ( AI ) и машинное обучение ( ML ), такие задачи можно выполнять более эффективно и с лучшими результатами. Да, полная интеграция решения на основе AI и ML в охрану дикой природы может помочь нам сохранить биоразнообразие Земли.

1. 130 решенных и объясненных проектов машинного обучения

2.Новый стек интеллектуальных продаж

3. Временные ряды и обнаружение в них аномалий — Часть I

4. Руководство для начинающих — CNN Image Classifier | Часть 1

Как ИИ может помочь в сохранении биоразнообразия ?

Сохранение животных становится одним из ключевых вопросов сохранения биоразнообразия Земли. И ИИ может сыграть жизненно важную роль в обнаружении или распознавании и отслеживании диких животных, блуждающих в их естественной среде обитания или охраняемых в заповедниках.

Самое главное, ИИ может помочь предотвратить исчезновение находящихся под угрозой исчезновения растений и животных. А если таких животных держать под наблюдением или выслеживать лесничие, их можно спасти от стихийных бедствий, таких как пожары в лесу, наводнения и противоправные действия вроде браконьерства.

А для сохранения диких животных используются устройства, приложения и система анализа или мониторинга с поддержкой ИИ, чтобы вести их учет и понимать поведение животных для правильных прогнозов.Давайте узнаем, как приложений с поддержкой ИИ можно использовать для защиты животных .

Исчезающие виды, находящиеся на грани исчезновения, находятся в особом резерве. Машины с поддержкой искусственного интеллекта, такие как Machine Learning in Robotics или Drone Image Dataset, могут следить за такими животными, помогая органам по охране дикой природы следить за их популяцией.

Точно так же технология компьютерного зрения в беспилотных летательных аппаратах с поддержкой ИИ может определять типы и виды животных, информируя исследователей об их деятельности.Алгоритмы машинного обучения, разработанные с использованием огромного количества обучающих наборов данных, позволяют ИИ распознавать различные виды животных.

Крупных животных, таких как слоны и киты, можно обнаружить со спутников. А используя набор спутниковых снимков, исследователи могут собирать данные и следить за такими животными. Обнаружение животных и их подсчет важны, чтобы убедиться, что их популяция увеличивается или уменьшается.

Интенсивное убийство животных является еще одним видом незаконной деятельности, сокращающим популяцию исчезающих видов.Браконьеры убивают животных, таких как слоны, из-за их драгоценных бивней и носорогов из-за их рогов, которые продаются по очень высоким ценам на международных рынках. Но теперь ИИ может помочь в контроле за такими незаконными действиями через систему мониторинга без участия человека.

Дроны с искусственным интеллектом и камеры ночного видения могут обнаруживать таких браконьеров на земле и сообщать лесничим, чтобы они приняли меры против них, прежде чем они убьют какое-либо животное. Камеры с искусственным интеллектом и системами быстрого оповещения легко обнаруживают людей с оружием и другими необычными действиями.

Комбинация машины с людьми, работающими вместе с лесниками, может выполнять больше таких действий. А с разумной видимостью с неба у диких животных есть прекрасная возможность. А чтобы дроны могли обнаруживать разных животных, для обучения алгоритмов машинного обучения требуется соответствующее количество высококачественных обучающих наборов данных.

Люди, наслаждающиеся пляжами, но сбрасывающие отходы вблизи берегов океана, что является еще одним риском для различных видов, живущих или полностью зависящих от морской флоры и фауны.Но теперь, благодаря алгоритмам искусственного интеллекта, модели могут легко идентифицировать и удалять пластик из окружающей среды, прежде чем он нанесет вред дикой природе.

Дроны обучены идентифицировать отходы, плавающие или тонущие в море, и информировать отдел охраны морской дикой природы о сборе и удалении таких отходов. Морской мусор в основном содержит пластиковые материалы, которые стали универсальной практикой для туристов и людей, наслаждающихся жизнью в океане.

Пластик вреден для живых существ и является переносчиком инвазивных видов, представляющих опасность для биоразнообразия и экосистем.Следовательно, необходимо более глубокое понимание источников мусора, распределения и деградации пластика в океанах, чтобы учитывать риск, связанный с загрязнением пластиком.

Идентификация и классификация замусоренных пластиковых отходов в океане — непростая задача. Но улучшенные камеры с поддержкой искусственного интеллекта, оснащенные дронами, стали проще собирать информацию о морском мусоре. Модель ИИ хорошо обучена распознавать различные типы отходов, выбрасываемых в океан.

Вычислить диких животных — еще одна сложная задача, особенно когда они живут в естественной среде.Но благодаря ИИ таких животных можно легко подсчитать без контакта с человеком, чтобы держать их популяцию под наблюдением.

Cogito предоставляет аннотацию ограничивающей рамки изображения, чтобы такие животные могли быть идентифицированы такими машинами, как дроны. Все виды животных аннотированы здесь с наилучшим уровнем точности для правильного обнаружения.

Помимо подсчета, определение различных типов или видов животных также является частью охраны животных. Здесь снова Annotate Image Online может сделать таких животных узнаваемыми для машин (дронов) и предоставить информацию лесничим.Cogito использует правильную технику аннотирования изображений для обнаружения животных с максимальной точностью.

Опять же, семантическая сегментация — это метод аннотации изображения, помогающий распознавать животных в одном классе. Дроны с искусственным интеллектом могут распознавать таких животных, запечатленных на одном кадре, помогая отделу охраны лесных животных распознавать животных. Cogito может создавать высококачественные обучающие наборы данных для машинного обучения для обучения моделей ИИ, разработанных для распознавания животных.

Аннотация для идентификации видов

Идентификация различных видов животных является еще одним сложным фактором при разговоре о диких животных. Но ИИ может легко обнаруживать разные виды, обитающие на земле или в воде. И Cogitotech предоставляет аннотацию изображения для аннотации животных с метаданными, если название животного или вид. И когда с помощью модели ИИ можно идентифицировать широкий спектр видов животных, модель ИИ обучается с использованием правильных обучающих данных.

Животные одного класса нуждаются в более точной идентификации.А аннотация изображения семантической сегментации — лучшая и одна из правильных техник, помогающая идентифицировать таких животных издалека с повышенной точностью. Cogito использует лучшие инструменты и методы для аннотирования животных на изображениях с помощью семантической сегментации для моделей искусственного интеллекта глубокого обучения, разработанных для сохранения животных.

Животные, находящиеся на грани вымирания, могут быть защищены, если отдел охраны дикой природы сможет обнаружить незаконные убийства с помощью систем видеонаблюдения с искусственным интеллектом, установленных в подозрительных местах.Да, браконьеров даже в темноте или ночью можно обнаружить с помощью камер видеонаблюдения с искусственным интеллектом.

Cogito обеспечивает аннотацию изображений для камер с искусственным интеллектом, ночное видение и обнаружение объектов в темноте и ночью. Аннотация к изображению с добавленными метаданными используется для обучения модели ИИ, которая может обнаруживать человека и помогает органам по охране животных сохранять биоразнообразие Земли.

Cogito обеспечивает аннотацию изображений для камер с искусственным интеллектом, ночное видение и обнаружение объектов в темноте и ночью.Аннотация к изображению с добавленными метаданными используется для обучения модели ИИ, которая может обнаруживать человека и помогает органам по охране животных сохранять биоразнообразие Земли.

Если ИИ можно будет полностью и эффективно использовать для защиты животных, он поможет сохранить биоразнообразие Земли. И это возможно только тогда, когда модели ИИ обучаются с использованием правильных наборов данных машинного обучения. А для разработки такой полнофункциональной модели компаниям, работающим с искусственным интеллектом, необходим высококачественный набор данных для обучения машинному обучению , позволяющий идентифицировать животных и объекты с нужной точностью.

Аннотация к изображению — это правильный процесс маркировки данных для создания наборов данных для моделей искусственного интеллекта на основе компьютерного зрения. Поскольку такие данные поступают в алгоритмы, модель сможет обучаться в различных сценариях и обнаруживать различные объекты для получения правильных прогнозов при использовании в реальной жизни.

ИИ для сохранения | Добро пожаловать в Teamcore

Гарвардский семинар CRCS по искусственному интеллекту на благо общества, 2020 г.

Лили Сюй, Эндрю Перро, Эндрю Пламптре, Маргарет Дричиру, Фред Ваньяма, Аггрей Рветсиба и Милинд Тамбе

Теория игр на местах: влияние увеличения числа патрулей на сдерживание браконьеров

Материалы зимней конференции IEEE по приложениям компьютерного зрения (WACV), 2020 г.

Элизабет Бонди, Рагхав Джайн, Палаш Аггравал, Сакет Ананд, Роберт Ханнафорд, Ашиш Капур, Джим Пиавис, Шитал Шах, Лукас Джоппа, Бистра Дилкина, Милинд Тамбе

BIRDSAI: набор данных для обнаружения и отслеживания в аэротепловом инфракрасном видео

Материалы тридцать четвертой конференции AAAI по искусственному интеллекту (AAAI), 2020 г.

Элизабет Бонди, Хун О, Хайфэн Сюй, Фэй Фан, Бистра Дилкина, Милинд Тамбе

Сигнализировать или не сигнализировать: использование неопределенной информации в режиме реального времени в сигнальных играх для обеспечения безопасности и устойчивого развития

Международная конференция IEEE по инженерии данных (ICDE-20)

Лили Сюй, Шахрзад Голами, Сара МакКарти, Бистра Дилкина, Эндрю Пламптре, Милинд Тамбе, Рохит Сингх, Мустафа Нсубуга, Джошуа Мабонга, Маргарет Дричиру, Фред Ваньяма, Аггрей Рветсиба, Том Окелло, Эрик Эньел

Будьте впереди браконьеров: прогнозирование незаконного браконьерства и планирование патрулирования в условиях неопределенности с помощью оценок полевых испытаний

Международная совместная конференция по искусственному интеллекту

Элизабет Бонди, Хун О, Хайфэн Сюй, Фэй Фан, Бистра Дилкина и Милинд Тамбе

Сохранение биоразнообразия с помощью дронов: использование неопределенной информации в режиме реального времени в сигнальных играх для предотвращения браконьерства

Международная конференция по машинному обучению AI for Social Good Workshop

Элизабет Бонди, Хун О, Хайфэн Сюй, Фэй Фан, Бистра Дилкина и Милинд Тамбе

Wildlife GUARDSS: использование неопределенной информации в режиме реального времени в сигнальных играх для обеспечения устойчивого развития

В COMPASS ’18: Конференция ACM SIGCAS по компьютерным технологиям и устойчивым обществам (COMPASS), 20–22 июня 2018 г., Менло-Парк и Сан-Хосе, Калифорния, США.ACM, Нью-Йорк, штат Нью-Йорк, США.

Элизабет Бонди, Дебадипта Дей, Ашиш Капур, Джим Пиавис, Шитал Шах, Фей Фанг, Бистра Дилкина, Роберт Ханнафорд, Арвинд Айер, Лукас Джоппа, Милинд Тамбе

AirSim-W: среда моделирования для сохранения дикой природы с помощью БПЛА

Международная конференция по автономным агентам и мультиагентным системам (AAMAS-18), 2018 г.

Хайфэн Сюй, Шаддин Дугми, Милинд Тамбе, Венил Лойд Норонья

Смягчение проклятия корреляции в играх безопасности с помощью максимизации энтропии (расширенный реферат)

Материалы тринадцатой Международной конференции по автономным агентам и мультиагентным системам (AAMAS), 2014 г.

Ронг Янг, Бенджамин Форд, Милинд Тамбе, Эндрю Лемье

Адаптивное распределение ресурсов для защиты дикой природы от незаконных браконьеров

Материалы тринадцатой Международной конференции по автономным агентам и мультиагентным системам (AAMAS), 2014 г.

Бенджамин Форд, Дебарун Кар, Франческо М.Делле Фаве, Ронг Янг, Милинд Тамбе

PAWS: адаптивное теоретико-игровое патрулирование для защиты дикой природы (демонстрация)

6-я конференция по теории решений и игр для безопасности (GameSec), 2015 г.

Тхань Х. Нгуен, Франческо М. Делле Фаве, Дебарун Кар, Аравинд С. Лакшминараянан, Амулия Ядав, Милинд Тамбе, Ноа Агмон, Эндрю Дж. Пламптре, Маргарет Дричиру, Фред Ваньяма, Аггрей Рветсиба

Как извлечь максимальную пользу из наших сожалений: основанные на сожалениях решения для управления неопределенностью выплат и извлечением информации в играх с зеленой безопасностью

Международная объединенная конференция по искусственному интеллекту (IJCAI), 2015 г.

Фэй Фанг, Питер Стоун, Милинд Тамбе

«Игра престолов»: когда модели человеческого поведения соревнуются в повторяющихся играх по безопасности Штакельберга

Европейская конференция по машинному обучению и принципам и практике обнаружения знаний в базах данных (ECML PKDD Applied Data Science Track), 2017 г.

Шахрзад Голами, Бенджамин Форд, Фей Фанг, Энди Пламптре, Милинд Тамбе, Маргарет Дричиру, Фред Ваньяма, Аггрей Рветсиба, Мустафа Нсубага и Джошуа Мабонга

Тест-драйв: гибридная пространственно-временная модель для прогнозирования браконьерства в дикой природе, оцененная с помощью контролируемых полевых испытаний

Журнал AI, 2017 г.

Фей Фанг, Тхань Х.Нгуен, Роб Пиклз, Вай Ю. Лам, Гопаласами Р. Клементс, Бо Ан, Амандип Сингх, Брайан С. Шведок, Милинд Тамбе, Эндрю Лемье

PAWS — развернутое теоретико-игровое приложение для борьбы с браконьерством

Материалы 15-й Международной конференции по автономным агентам и мультиагентным системам (AAMAS), 2016 г.

Тхань Х. Нгуен, Арунеш Синха, Шахрзад Голами, Эндрю Дж. Пламптре, Лукас Джоппа, Милинд Тамбе, Маргарет Дричиру, Фред Ваньяма, Аггрей Рветсиба, Роб Кричлоу и Колин Бил

CAPTURE: новый антибраконьерский инструмент прогнозирования для защиты дикой природы

Двадцать восьмая конференция IAAI по инновационным приложениям искусственного интеллекта (победитель премии за развернутое приложение), январь 2016 г.

Фей Фанг, Тхань Х.Нгуен, Роб Пиклз, Вай Ю. Лам, Гопаласами Р. Клементс, Бо Ан, Амандип Сингх, Милинд Тамбе и Эндрю Лемье

Развертывание PAWS: полевая оптимизация помощника по защите для защиты дикой природы

Материалы 16-й Международной конференции по автономным агентам и мультиагентным системам (AAMAS), 2017 г.

Дебарун Кар и Бенджамин Форд, Шахрзад Голами, Фей Фанг, Эндрю Пламптре, Милинд Тамбе, Маргарет Дричиру, Фред Ваньяма, Аггрей Рветсиба

Облачно, возможен браконьерство: моделирование и прогнозирование поведения противника на основе реальных данных о браконьерстве

Кандидатская диссертация, август 2017 г.

Бенджамин Форд

Реальная оценка и развертывание моделей прогнозирования преступлений против дикой природы

Конференция по теории решений и игр для безопасности (GameSec), 2017 г.

Элизабет Бонди, Фей Фанг, Дебарун Кар, Венил Норонья, Доннабелл Дмелло, Милинд Тамбе, Арвинд Айер и Роберт Ханнафорд

VIOLA: Приложение для маркировки видео для доменов безопасности

В IWAISe: 1-й международный семинар по А.I. в области безопасности на Международной объединенной конференции по искусственному интеллекту, 2017 г.

Нитин Камра, Фей Фанг, Дебарун Кар, Ян Лю, Милинд Тамбе

Обработка игр с непрерывной космической безопасностью с помощью нейронных сетей

Кандидатская диссертация, июнь 2017 г.

Дебарун Кар

Когда ИИ помогает сохранению дикой природы: изучение поведения противника в играх Green Security

Материалы Тридцатой ежегодной конференции по инновационным приложениям искусственного интеллекта (IAAI-18), февраль 2018 г.

Элизабет Бонди, Фей Фан, Марк Гамильтон, Дебарун Кар, Доннабелл Дмелло, Джонгму Чой, Роберт Ханнафорд, Арвинд Айер, Лукас Джоппа, Милинд Тамбе, Рам Неватия

Браконьеры SPOT в действии: дополняем дроны-охранники автоматическим обнаружением в режиме, близком к реальному времени

Конференция AAAI по искусственному интеллекту (AAAI-18), 2018 г.

Шахрзад Голами, Бенджамин Форд, Дебарун Кар, Фей Фанг, Милинд Тамбе, Эндрю Пламптре, Маргарет Дричиру, Фред Ваньяма, Аггрей Рветсиба, Мустафа Нсубага, Джошуа Мабонга

Оценка моделей прогнозирования браконьерства на диких животных посредством контролируемых полевых испытаний в Уганде

Конференция AAAI по искусственному интеллекту (AAAI-18), 2018 г.

Шахрзад Голами

Пространственно-временная модель для прогнозирования браконьерства в дикой природе, оцененная с помощью контролируемых полевых испытаний в Уганде

Международная конференция по автономным агентам и мультиагентным системам (AAMAS 2018), 2018 г.

Шахрзад Голами, Сара МакКарти, Бистра Дилкина, Эндрю Пламптре, Милинд Тамбе, Маргарет Дричиру, Фред Ваньяма, Аггрей Рветсиба, Мустафа Нсубага, Джошуа Мабонга, Том Окелло, Эрик Эньел

Модели злоумышленников учитывают несовершенные данные о преступности: прогнозирование и планирование против реальных браконьеров (исправленная версия)

Искусственный интеллект и охрана природы — Фонд охраны природы

Использование «инноваций» и «технических преобразований» для борьбы с изменением климата в последнее время получило широкое распространение.Эти решения являются физическими, с использованием чего-то вроде гидропанелей. Они также являются цифровыми, такими как использование информационных технологий. Информационные технологии (ИТ) могут предоставить более качественную информацию для руководства деятельностью по управлению земельными ресурсами и восстановлению таким образом, чтобы не только сохранить природное биоразнообразие, но и повысить устойчивость к изменению климата в природном ландшафте. Одним из основных достижений в области информационных технологий, обладающих огромным потенциалом сохранения, является искусственный интеллект (ИИ). Давайте посмотрим, как ИТ и ИИ используются для сохранения.

Сохранение и информационные технологии

Природоохранные организации выполняют различные бизнес- и миссионерские функции, которые можно решить с помощью ИТ. Бизнес-функции могут включать информационно-разъяснительную работу, обучение и бухгалтерский учет. Они часто решаются с помощью социальных сетей, маркетинга, продаж, рабочего процесса, Zoom, бухгалтерского программного обеспечения и других бизнес-систем общего назначения. Многие организации используют информационные системы для реализации инициатив в области устойчивого развития, таких как снижение энергопотребления, создание более экологически безопасных продуктов и сокращение использования бумаги.Функции миссии — это те, которые специально предназначены для сохранения земли, воды и дикой природы.

Например, миссия The Conservation Foundation (TCF) заключается в том, чтобы «улучшить здоровье наших сообществ путем сохранения и восстановления открытого пространства и природных земель, защиты рек и водоразделов и поощрения рационального использования окружающей среды в пригородах северо-восточного Иллинойса. ” ИТ может помочь в сборе, хранении и предоставлении доступа к данным, необходимым для выполнения этой миссии. Примерами являются хранилище правильных методов органического земледелия, записи об эффективности различных методологий, используемых для сохранения, и инвентаризация флоры и фауны в географических районах.

Наряду с управлением данными ИТ также может поддерживать анализ информации и принятие решений. Примерами являются прогнозы последствий и изменений климата с течением времени; прогнозы последствий продолжающейся консервации; анализ первопричин проблем сохранения; и решения о том, какой подход принять к вопросам сохранения. Здесь в игру вступает ИИ.

Искусственный интеллект

Итак, что такое ИИ? Есть много определений. В статье Европейского парламента ИИ определяется как «способность машины демонстрировать человеческие способности, такие как рассуждение, обучение, планирование и творчество.Университетский консорциум географической информатики описывает ИИ как «изучение и проектирование машин или вычислительных методов, которые могут выполнять задачи, обычно требующие человеческого интеллекта». Обычно используемое определение ИИ — это «способность компьютера или робота, управляемого компьютером, выполнять задачи, которые обычно выполняются людьми, потому что они требуют человеческого интеллекта и проницательности».

Важно отметить, что все эти определения относятся к человеческому мышлению, но не к замене людей.ИИ предназначен для поддержки и ускорения принятия решений человеком. ИИ в первую очередь делает это с помощью интеллектуального обнаружения данных (например, корреляций и распознавания образов), визуализации (например, диаграмм, графиков и информационных панелей), машинного обучения (в некотором смысле система сама кодирует) и расширенных возможностей прогнозирования.

Примерами использования ИИ в повседневной жизни являются цифровые персональные помощники (например, Siri), онлайн-покупки и реклама, кибербезопасность, языковой перевод и обнаружение фальшивых новостей. Другими областями применения ИИ являются сокращение энергопотребления и углеродного следа, диагностика заболеваний в сфере здравоохранения и минимизация использования удобрений, пестицидов и орошения в пищевой промышленности и сельском хозяйстве.

Сохранение и искусственный интеллект

Существует множество способов использования ИИ, которые в настоящее время применяются или рассматриваются для сохранения. Основываясь на статье в Current Opinion in Environmental Sustainability, эти виды использования можно резюмировать следующим образом:

  • Классификация и сбор данных. Быстрое увеличение количества данных об окружающей среде потребовало более эффективных и автоматизированных рабочих процессов классификации данных. ИИ может помочь с анализом и классификацией землепользования.
  • Поддержка принятия решений — искусственный интеллект позволяет интегрировать данные в инструменты поддержки принятия решений для поддержки планирования природоохранных мероприятий.
  • Правоприменение — ИИ помогает в обеспечении соблюдения экологических норм, исследуя и защищая дикую природу.

Примером применения ИИ для сбора данных является работа Chesapeake Conservancy, некоммерческой организации, базирующейся в Аннаполисе, штат Мэриленд, и пионера в области точного сохранения для мониторинга, защиты и восстановления природной среды.Они охватывают весь водораздел Чесапикского залива, где обитают более 3600 видов растений и животных, и в них проживает 17 миллионов человек. Несмотря на важность водораздела Чесапикского залива, его здоровье на протяжении десятилетий было подорвано из-за переливов сточных вод и стока отходов животноводства и химикатов. Будущее водораздела зависит от разумного сохранения, основанного на данных о том, где рост наименее вреден, а где вмешательство может быть наиболее полезным. Для этого требуются подробные и очень точные карты земного покрова, чтобы понять землепользование и выявить экологические проблемы, такие как попадание загрязняющих веществ в залив с сельскохозяйственными стоками.Для достижения этой цели Chesapeake Conservancy использовала искусственный интеллект для создания модели, которая прогнозирует земной покров с высоким разрешением на основе аэрофотоснимков. Настоящая сила этого подхода заключается в том, что специалисты по данным могут использовать тот же алгоритм для классификации земного покрова в местах, которые он никогда раньше не видел. Система может классифицировать значительно быстрее, чем ручные методы, ограниченные только доступным оборудованием. Время, необходимое для правильной классификации всего водораздела Чесапикского залива, было сокращено с 2500 до 150 часов.Цель состоит в том, чтобы использовать этот подход ИИ для масштабирования на все другие водоразделы США и предоставить большему количеству организаций в большем количестве мест возможность устойчиво управлять своими землями.

ARIES (искусственный интеллект для экосистемных услуг) — это новая методология и веб-приложение, предназначенные для оценки экосистемных услуг (ES) и раскрытия их ценности для людей, чтобы сделать принятие экологических решений проще и эффективнее. Экосистемные услуги — это выгоды для людей, предоставляемые природной средой и здоровыми экосистемами.Примером экосистемной услуги является польза для здоровья человека благодаря взаимодействию с природой (см. веб-страницу TCF Nature Rx для получения дополнительной информации об этом и о том, как может помочь охрана земель). Создавая модели как предоставления, так и использования ЭУ в интересующем регионе и отображая фактические физические потоки этих выгод их бенефициарам, ARIES помогает обнаружить, понять и количественно оценить экологические активы, а также какие факторы влияют на их ценность в соответствии с явными потребностями и потребностями. приоритеты.ARIES имеет множество практических применений для планирования сохранения и экономического развития. В частности, он может показать, какие регионы имеют решающее значение для поддержания предложения и потоков конкретных льгот для конкретных групп бенефициаров. Приоритизируя деятельность по сохранению и восстановлению в отношении конкретных услуг, потоки выгод можно сохранить или увеличить.

По данным AILabs, инструменты искусственного интеллекта имеют большое значение в области исследования и защиты дикой природы. ИИ дает специалистам по охране дикой природы и ученым возможность собирать, анализировать и обмениваться информацией по разным дисциплинам, а также помогает защитникам дикой природы, например, быть на шаг впереди браконьеров.Они кажутся базовыми приложениями возможностей ИИ, и их влияние уже существенно. С быстрым темпом инноваций в области ИИ можно ожидать только улучшения. Эти инструменты появляются в подходящее время для сосуществования людей и диких животных, поскольку человеческие общества учатся управлять своим ростом в балансе с потребностями наших сожителей-диких животных. Ирония заключается в том, что технологические достижения человека ставят под угрозу среду обитания, и все же эти технологические достижения могут помочь нам улучшить сосуществование.

Готовы расширить свое представление об охране земельных и водных ресурсов? На протяжении почти 50 лет The Conservation Foundation является идейным лидером, обучающим новым и захватывающим способам сохранения и применения их в повседневной жизни. TCF также является форумом, на котором люди могут раздвинуть границы и бросить вызов людям в их мышлении. Мы всегда ищем творческих, трудолюбивых людей – Станьте участником сегодня!

Не стесняйтесь оставлять комментарии в этом блоге с дополнительными идеями о том, как ИТ и ИИ могут улучшить усилия по сохранению земельных и водных ресурсов.

Steve Stawarz, Oak Brook
Член Консультативного совета округа DuPage
Andrew Stawarz
Менеджер по исследованиям и разработкам, цифровая диагностика

Первый в истории отчет «Состояние технологий сохранения» определяет 3 основные новые технологии для продвижения сохранения | Пресс-релизы

Вашингтон, округ Колумбия — Первый в своем роде отчет, в котором оценивается современная область технологий сохранения и способность различных инструментов диагностировать, понимать и решать наиболее серьезные экологические проблемы нашего времени, показывает, что три новые технологии имеют особенно многообещающие траектории. для продвижения сохранения в течение следующих десяти лет.

Искусственный интеллект, в частности машинное обучение и компьютерное зрение, экологическая ДНК (eDNA) и геномика, а также сетевые датчики названы тремя ведущими новыми технологиями сохранения в Глобальной оценке состояния технологий сохранения, подготовленной сообществом , опубликованной сегодня в биологии сохранения.

В отчете, подготовленном WILD LABS и Университетом штата Колорадо при поддержке их партнеров из числа НПО и лидеров технологического сектора Microsoft и Arm, было опрошено 248 специалистов по охране природы и технологов из 37 стран, использующих WILDLABS.NET, попросив их оценить 11 широко используемых инструментов с точки зрения их способности содействовать сохранению. Более 90 процентов респондентов оценили каждую из трех основных новых технологий как «очень полезные» или «изменившие правила игры». вероятность дальнейшего освоения, что потенциально делает эти области пригодными для инвестиций и разведки.

Три технологии представляют собой новые рубежи в сохранении дикой природы в то время, когда защита и восстановление природного мира никогда не были более важными и безотлагательными.

Искусственный интеллект все чаще используется в полевых условиях для анализа информации, собираемой защитниками дикой природы, от фотоловушек и спутниковых изображений до аудиозаписей. ИИ может научиться определять, какие фотографии из тысяч содержат редкие виды; или точно определить зов животного вне часов полевых записей, что значительно сокращает ручной труд, необходимый для сбора жизненно важных данных о сохранении.

Экологическая ДНК (eDNA) , тем временем, используется передовыми защитниками природы для быстрого и легкого сбора большого количества данных о биоразнообразии, просто путем сканирования образцов воды или почвы.Следы ДНК животных могут выявить присутствие ранее не наблюдаемых видов в данной местности. Несколько небольших образцов могут содержать ДНК десятков видов и быстро и эффективно давать подробный снимок экосистемы, данные, которые можно использовать для обоснования большей защиты территории.

Наконец, сетевые датчики позволяют фотоловушкам, звукозаписывающим устройствам, устройствам слежения и другому природоохранному оборудованию подключаться к сети, формируя исчерпывающую картину движений и поведения животных, становясь «глазами и ушами» защитников природы и местных сообществ, обеспечивая мониторинг, отслеживание и мгновенные оповещения о надвигающихся угрозах.

Респонденты также определили, какие инструменты уже оправдывают ожидания в этой области. Инструментами с наивысшими общими оценками производительности были ГИС и дистанционное зондирование, дроны и мобильные приложения: более 70 процентов респондентов оценили их как «хорошо» или «очень хорошо».

Несмотря на технологический прогресс, системные проблемы в природоохранном секторе препятствуют разработке и внедрению перспективных природоохранных технологий. Респонденты назвали неустойчивое финансирование, отсутствие координации между усилиями и неадекватное наращивание потенциала в качестве трех основных проблем, возникающих при разработке и внедрении технологий сохранения.

Важно отметить, что ряд финансовых и технических барьеров несоразмерно затрагивает женщин и отдельных лиц в развивающихся странах, что подчеркивает необходимость оценки и решения проблемы потенциального исключения важнейших природоохранных заинтересованных сторон в этой быстро развивающейся области.

  • Респонденты из стран с развивающейся экономикой более чем в четыре раза чаще сообщали о том, что их ограничивают затраты на технологии и доступ к финансовой поддержке для развития технологий
  • Респонденты-женщины также почти в четыре раза чаще сообщали о проблемах с получением финансовой поддержки для развития технологий , и более чем в два раза чаще сообщают о том, что их ограничивают недостаточные технические навыки для внедрения технологий

Несмотря на эти проблемы, большинство респондентов заявили, что технологии сохранения становятся все более доступными, инструменты быстро развиваются, а культура становится более совместной.Более половины респондентов заявили, что они более оптимистично смотрят на будущее технологий сохранения, чем 12 месяцев назад.

Благодаря тому, что искусственный интеллект, генетика и датчики уже произвели революцию во многих крупнейших мировых секторах бизнеса, это исследование ясно показывает огромные возможности для инвестиций в использование их потенциала для сохранения. Однако также ясно, что для развития технологий консервации потребуется больше, чем инвестиции в многообещающие инструменты.

Согласно данным, полученным от фокус-групп исследования с участием почти 50 ведущих экспертов, преодоление этих системных проблем для достижения масштабируемого воздействия требует кардинального изменения подхода – от лоскутного ландшафта разовых проектов, конкурирующих за ограниченные ресурсы, к скоординированной на международном уровне организационной экосистеме. с инновационными механизмами финансирования для его поддержки.

— Конец —

Публикация: https://doi.org/10.1111/cobi.13871

Веб-отчет: https://wildlabs.сеть/состояние сохранения технологии

Медиа-репозиторий сообщества: https://docs.google.com/spreadsheets/d/1tFY2NxGlx5okCPgm_JJHatST5l3LMHHXWJtVBb9rZRo/edit?usp=sharing

О ВИЛДЛАБС

WILD LABS — центральный онлайн-узел технологий сохранения, объединяющий более 5000 специалистов по охране природы, исследователей, полевых биологов, инженеров, разработчиков, производителей и экспертов по технологиям сохранения со всего мира. Наша быстро развивающаяся исследовательская программа использует богатый опыт этого глобального сообщества для информирования об эффективной разработке технологий и наращивании потенциала, преодолении барьеров и расширении возможностей технологов и защитников природы для преобразования природоохранного ландшафта.Благодаря сотрудничеству и инновациям, лежащим в основе нашей работы, WILDLABS является стартовой площадкой для решения самых сложных задач в области охраны природы с помощью самых смелых решений в области технологий сохранения. Посетите www.wildlabs.net, чтобы узнать больше о нашем сообществе, и следите за нами в Твиттере @WILDLABSNET.

Цитаты руководящего комитета WILDLABS

Консервейшн Интернэшнл

«Существует большой неиспользованный технологический инновационный потенциал в сфере охраны природы по сравнению с тем, что мы видим почти в любой другой отрасли.У сохранения есть место для роста», — сказал Эрик Феграус, старший директор по технологиям сохранения в Conservation International и председатель руководящего комитета WILDLABS. «Это исследование WILDLABS дает еще одно доказательство того, что коллективное глобальное природоохранное сообщество имеет прекрасную возможность в четыре раза активизировать свое стремление создавать новые технологии и внедрять существующие технологии, которые могут улучшить результаты сохранения природы и людей, которые полагаются на нее. ».

— Эрик Феграус, старший директор по технологиям консервации, Conservation International

Фауна и Флора Международный:

«Защита и восстановление природы — самая неотложная задача, стоящая перед человечеством в этом столетии, и это исследование WILDLABS является еще одним свидетельством того огромного вклада, который должны сыграть технологии.Инновации в таких областях, как секвенирование ДНК и искусственный интеллект, позволяют нам понимать мир природы и сохранять дикую природу новыми, более эффективными и часто более действенными способами, защищая виды от исчезновения.

«Но исследования показывают, что весь потенциал этих технологий еще не раскрыт. На COP26 участники Климатического пакта Глазго признали огромную роль, которую охрана природы может сыграть в смягчении последствий изменения климата и предотвращении утраты биоразнообразия. Теперь нам нужно, чтобы правительства, филантропы и частный сектор, в том числе технологические гиганты, поддержали технологическую революцию в области сохранения природы.

— Джоанна Эллиотт, старший директор по сохранению Fauna & Flora International (FFI)

Общество охраны дикой природы

«Дальнейший успех консервации зависит от сочетания новых технологий с проверенными решениями. Что еще более важно, нам нужно, чтобы эти инструменты были доступны для государственных учреждений с ограниченными ресурсами и маргинализированных сообществ, которые часто находятся на переднем крае спасения дикой природы и диких мест. Этот отчет должен служить мандатом на инвестирование в адаптацию этих новейших технологических инструментов, чтобы они были доступны для природоохранных сообществ, которые получат от них наибольшую пользу.

— Джонатан Палмер, исполнительный директор по технологиям консервации, WCS

.

Всемирный фонд дикой природы:

«Это своевременное исследование впервые подкрепляет данные тем, о чем многие работающие в области консервационных технологий слишком хорошо знают, чтобы быть правдой. Несмотря на то, что перспективы технологий для поддержки усилий по сохранению и обеспечению устойчивости никогда не были столь велики, отсутствие финансирования, потенциала и координации по-прежнему препятствует прогрессу. Пандемия COVID-19 и недавний доклад МГЭИК ООН об изменении климата наглядно демонстрируют, что связь человечества с природой нарушена.Технологии сохранения играют решающую роль, помогая избежать будущих пандемий и наихудших последствий изменения климата. Чтобы максимизировать воздействие, необходимо на порядок (или два) увеличить устойчивое финансирование, чтобы помочь разрабатывать, развертывать и масштабировать технологические решения для сохранения, такие как машинное обучение, eDNA и сетевые датчики, для решения широкого круга проблем сохранения и развития».

— Колби Лукс, вице-президент по охране дикой природы, WWF-US

.

Зоологическое общество Лондона:

«Такие технологии, как машинное обучение, акустические датчики и спутниковое дистанционное зондирование, могут произвести революцию в области охраны природы, расширяя возможности людей по сбору ценных данных об их взаимодействии с природой в еще больших масштабах и с еще большей эффективностью.Эта информация имеет жизненно важное значение для понимания того, как мы можем обратить вспять процесс сокращения биоразнообразия.

«В некоторых отношениях технологии уже выполняют это обещание, но фундаментальные проблемы, такие как доступность обучения и поддержки, а также высокая стоимость технологий, означают, что они часто недоступны для многих защитников природы, особенно для тех, кто живет в ближайших близость с природой.

«Этот своевременный отчет дает критическую информацию о том, какие подходы работают, а какие требуют дополнительной работы, и помогает нам понять, куда нам нужно направить наши усилия для устранения этих барьеров.

— Энтони Дэнсер, руководитель службы мониторинга и технологий, ZSL

Пять способов, которыми искусственный интеллект спасает дикую природу — от подсчета шимпанзе до обнаружения китов | Искусственный интеллект (ИИ)

Существует направление мысли, от научно-фантастических фильмов до Стивена Хокинга, которое предполагает, что искусственный интеллект (ИИ) может стать роковым для людей. Но защитники природы все чаще обращаются к ИИ как к инновационному технологическому решению для преодоления кризиса биоразнообразия и смягчения последствий изменения климата.

В недавнем отчете Wildlabs.net говорится, что ИИ был одной из трех ведущих технологий в области сохранения природы. В отчете отмечается: от фотоловушек и спутниковых изображений до аудиозаписей: «ИИ может научиться определять, какие фотографии из тысяч содержат редкие виды; или точно определить зов животного за многочасовыми полевыми записями, что значительно сокращает ручной труд, необходимый для сбора жизненно важных данных о сохранении».

ИИ помогает защищать такие разнообразные виды, как горбатые киты, коалы и снежные барсы, поддерживая работу ученых, исследователей и рейнджеров в жизненно важных задачах, от патрулирования против браконьерства до наблюдения за видами.Благодаря компьютерным системам машинного обучения (МО), которые используют алгоритмы и модели для обучения, понимания и адаптации, ИИ часто может выполнять работу сотен людей, получая более быстрые, дешевые и эффективные результаты.

Вот пять проектов ИИ, способствующих нашему пониманию биоразнообразия и видов:

1. Борьба с браконьерами

Национальный парк Кафуэ в Замбии является домом для более чем 6600 африканских саванных слонов и занимает площадь 22 400 кв. испытание.Незаконный лов рыбы в озере Итежи-Тежи на границе парка также является проблемой, и браконьеры маскируются под рыбаков, чтобы войти и выйти из парка незамеченными, часто под покровом темноты.

Автоматические оповещения означают, что для круглосуточного наблюдения требуется всего несколько рейнджеров. Фотография: Game Rangers International

Инициатива Connected Conservation Initiative от Game Rangers International (GRI), Департамента национальных парков и дикой природы Замбии и других партнеров использует ИИ для усиления обычных усилий по борьбе с браконьерством, создавая 19-километровый виртуальный забор через озеро. Итежи-Тежи.Передние инфракрасные тепловизионные камеры (FLIR) фиксируют каждую лодку, входящую и выходящую из парка днем ​​и ночью.

ИИ может изменить правила игры… Эта технология позволила горстке рейнджеров обеспечить круглосуточное наблюдение

Ян Хоад, Game Rangers International

Установленные в 2019 году камеры контролировались вручную рейнджерами, которые затем могли реагировать признакам незаконной деятельности. FLIR AI теперь обучен автоматически обнаруживать лодки, входящие в парк, что повышает эффективность и снижает потребность в постоянном ручном наблюдении.Волны и летящие птицы также могут вызывать предупреждения, поэтому ИИ учат устранять эти ложные показания.

«Уже давно не хватает ресурсов для обеспечения безопасности охраняемых территорий, а люди, наблюдающие за несколькими камерами в режиме 24/7, не масштабируются», — говорит Ян Хоад, специальный технический консультант GRI. «ИИ может изменить правила игры, поскольку он может отслеживать незаконные переходы лодок и немедленно предупреждать команды рейнджеров. Эта технология позволила горстке рейнджеров обеспечить круглосуточное наблюдение за массивным незаконным входом через озеро Итежи-Тежи.”

2. Отслеживание потери воды

За последние 30 лет Бразилия потеряла более 15% своих поверхностных вод, и об этом кризисе стало известно только с помощью ИИ. Реки, озера и водно-болотные угодья страны сталкиваются с растущим давлением со стороны растущего населения, экономического развития, вырубки лесов и усугубляющихся последствий климатического кризиса. Но никто не знал о масштабах проблемы до августа прошлого года, когда с помощью машинного обучения водный проект MapBiomas опубликовал свои результаты после обработки более 150 000 изображений, созданных спутниками NASA Landsat 5, 7 и 8 с 1985 по 2020 год в течение 8 лет.5 млн кв км бразильской территории. Без ИИ исследователи не смогли бы проанализировать изменения воды по всей стране в необходимом масштабе и уровне детализации. ИИ также может различать естественные и созданные человеком водоемы.

Ягуар пьет в бразильской части водно-болотных угодий Пантанала, которые потеряли 74% своей поверхностной воды за последние 30 лет. Фотография: Карл де Соуза/AFP/Getty Images

Река Негро, крупный приток Амазонки и одна из 10 крупнейших рек мира по объему, потеряла 22% поверхностных вод.Бразильская часть Пантанала, крупнейшего в мире тропического водно-болотного угодья, потеряла 74% поверхностных вод. Такие потери губительны для дикой природы (в Пантанале обитает 4000 видов растений и животных, включая ягуаров, тапиров и анаконд), людей и природы.

«Технология искусственного интеллекта предоставила нам поразительно четкую картину, — говорит Кассио Бернардино, руководитель проекта водных ресурсов MapBiomas WWF в Бразилии. «Без технологий искусственного интеллекта и машинного обучения мы бы никогда не узнали, насколько серьезной была ситуация, не говоря уже о данных, чтобы убедить людей.Теперь мы можем предпринять шаги для решения проблем, которые эта потеря поверхностных вод создает для невероятного биоразнообразия и сообществ Бразилии».

3. Поиск китов

Знание местонахождения китов является первым шагом в принятии таких мер, как морские охраняемые районы, для их защиты. Визуально определить местонахождение горбачей в бескрайних океанах сложно, но их характерное пение может распространяться под водой на сотни миль. На промыслах Национальной океанической и атмосферной ассоциации (Noaa) на островах Тихого океана акустические регистраторы используются для мониторинга популяций морских млекопитающих на удаленных и труднодоступных островах, говорит Энн Аллен, океанограф-исследователь Noaa.«За 14 лет мы накопили около 190 000 часов акустических записей. Человеку потребовалось бы непомерно много времени, чтобы вручную идентифицировать вокализацию китов».

ИИ помогает исследователям на островах Тихого океана распознавать песни китов по акустическим записям. Фотография: Noaa

В 2018 году Noaa в партнерстве с командой биоакустики Google AI for Social Good создала модель машинного обучения, которая могла бы распознавать песню горбатых китов. «Нам очень удалось идентифицировать песню горбатых животных по всему нашему набору данных, установив закономерности их присутствия на Гавайских и Марианских островах», — говорит Аллен.«Мы также обнаружили новое появление горбатой песни на рифе Кингман, месте, где никогда раньше не было документально подтверждено присутствие горбатых животных. Этот всесторонний анализ наших данных был бы невозможен без ИИ».

4. Защита коал

Популяция коал в Австралии серьезно сокращается из-за разрушения среды обитания, нападений домашних собак, дорожно-транспортных происшествий и лесных пожаров. Без знания их количества и местонахождения спасти их сложно. Грант Гамильтон, адъюнкт-профессор экологии в Квинслендском технологическом университете (QUT), при федеральном финансировании и финансировании Landcare Australia создал природоохранный центр искусственного интеллекта для подсчета коал и других находящихся под угрозой исчезновения животных.Используя дроны и инфракрасное изображение, алгоритм ИИ быстро анализирует инфракрасные кадры и определяет, является ли тепловая сигнатура коалой или другим животным. Гамильтон использовал эту систему после разрушительных лесных пожаров в Австралии в 2019 и 2020 годах для выявления выживших популяций коал, особенно на острове Кенгуру. Алгоритмы искусственного интеллекта

используются для анализа видеозаписей и идентификации коал в дикой природе в Австралии. Фотография: Грант Гамильтон

«Это революционный проект по защите коал», — говорит Гамильтон.«Мощные алгоритмы искусственного интеллекта способны анализировать бесчисленные часы видеоматериалов и идентифицировать коал среди многих других животных в густых зарослях. Эта система позволит группам Landcare, природоохранным группам и организациям, работающим над защитой и мониторингом видов, обследовать большие площади в любой точке Австралии и отправлять данные нам в QUT для их обработки.

«Мы будем все чаще видеть, как ИИ используется в охране природы», — добавляет он. «В этом текущем проекте мы просто не смогли бы сделать это так же быстро и точно без ИИ.

5. Подсчет видов

Спасение видов, находящихся на грани исчезновения, в бассейне реки Конго, втором по величине тропическом лесу в мире, — огромная задача. В 2020 году компания по обработке данных Appsilon объединилась с Университетом Стерлинга в Шотландии и Агентством национальных парков Габона (ANPN) для разработки алгоритма классификации изображений Mbaza AI для крупномасштабного мониторинга биоразнообразия в габонских национальных парках Лопе и Вака.

Неуловимый африканский золотой кот, снятый автоматической камерой в Габоне.Фотография: ANPN-Panthera

Специалисты по охране природы использовали автоматические камеры для съемки различных видов, в том числе африканских лесных слонов, горилл, шимпанзе и панголинов, которых затем нужно было идентифицировать вручную. На классификацию миллионов фотографий могут уйти месяцы или годы, а в стране, которая ежемесячно теряет около 150 слонов из-за браконьеров, время имеет значение.

Алгоритм искусственного интеллекта Mbaza использовался в 2020 году для анализа более 50 000 изображений, собранных с 200 фотоловушек, разбросанных по лесу площадью 7000 кв. км.Mbaza AI классифицирует до 3000 изображений в час с точностью до 96%. Специалисты по охране природы могут наблюдать за животными и отслеживать их, а также быстро обнаруживать аномалии или предупреждающие знаки, что позволяет им быстро действовать в случае необходимости. Алгоритм также работает в автономном режиме на обычном ноутбуке, что полезно в местах с плохим или отсутствующим подключением к Интернету.

«Многим лесным млекопитающим Центральной Африки угрожают неустойчивая торговля, изменения в землепользовании и глобальный климатический кризис, — говорит доктор Робин Уайток, научный сотрудник Университета Стерлинга.«Работа Appsilon над приложением Mbaza AI позволяет защитникам природы быстро выявлять угрозы биоразнообразию и реагировать на них. Проект начался с 200 фотоловушек в национальных парках Лопе и Вака в Габоне, но с тех пор различные организации в Западной и Центральной Африке установили еще сотни. В Габоне правительство и агентство национальных парков стремятся установить камеры по всей стране. Mbaza AI может помочь всем этим проектам ускорить анализ данных».

Узнайте больше об эпохе исчезновения здесь и подпишитесь на репортеров о биоразнообразии Фиби Уэстон и Патрика Гринфилда в Твиттере, чтобы быть в курсе всех последних новостей и статейЕва МакКлюр () — научный сотрудник Университета Гриффита, заинтересованная в объединении своего опыта в области экологии морских полей с энтузиазмом в отношении связи людей с природой при одновременном изучении применения передовых технологий для решения реальных проблем с данными.

Профессор Род Коннолли возглавляет междисциплинарную группу в рамках Глобального проекта водно-болотных угодий Университета Гриффита, который использует науку для поддержки решений критических проблем сохранения прибрежных районов с помощью ИИ и онлайн-инструментов, которые создают позитивные изменения.Авторы Гриффита включают доктора Кристофера Брауна , руководителя исследований и специалиста по моделированию морских экосистем, который работает над обеспечением экологической сложности инструментов планирования, используемых для информирования экологических решений; Доктор Майкл Сиверс , эколог-экспериментатор и полевой эколог, интересующийся системами оценки экосистем; Доктор Кристина Бьюлоу , количественный эколог, заинтересованный в установлении уверенности в сохранении прибрежных экосистем; Д-р Райан Пирсон , эколог по вопросам сообществ и населения с опытом руководства проектами гражданской науки и автоматизации; Эллен Дитриа , кандидат наук, исследующая приложения ИИ для автоматизированных систем для улучшения сохранения морской среды; и Др.Мэтью Хейс , интересуется влиянием изменения климата на среду обитания и расширение ареала видов.

Д-р Вивицкая Таллох  – научный сотрудник Бантинга с докторской степенью в Лаборатории решений по сохранению, Университет Британской Колумбии, Канада. Вив интересуется тем, как природные и антропогенные нарушения влияют на биоразнообразие и природные ресурсы. Вив обладает опытом как в прикладной, так и в теоретической природоохранной биологии, включая проектирование морских и наземных заповедников, использование теории принятия решений и экономики для решения проблем сохранения, а также моделирования экосистем и оценки кумулятивного воздействия на взаимодействующие виды.В настоящее время она разрабатывает модели, основанные на экосистемах, чтобы предотвратить исчезновение находящихся под угрозой исчезновения косаток и лосося на западном побережье Тихого океана в Канаде.

Д-р Ричард Ансворт — старший преподаватель морской биологии в Университете Суонси и директор-основатель благотворительной организации по сохранению морской среды Project Seagrass, где он возглавляет глобальный проект гражданской науки SeagrassSpotter.

Добавить комментарий

Ваш адрес email не будет опубликован.