I et markant fremskridt for teknologi til naturbevarelse har Microsoft taget kunstig intelligens i brug for at hjælpe med at redde Afrikas truede giraffer fra udryddelse.
Virksomhedens AI for Good Lab har for nylig præsenteret GIRAFFE (Generalized Image-based Re-Identification using AI for Fauna Feature Extraction), et innovativt open source-værktøj udviklet gennem et årti langt samarbejde med Wild Nature Institute. Teknologien udnytter computer vision til at identificere individuelle giraffer baseret på deres unikke pletmønstre – et kendetegn, der første gang blev dokumenteret af den canadiske forsker Dr. Anne Innis Dagg i 1956.
Behovet for denne indsats er tydeligt: Tanzanias girafbestande er styrtdykket med mere end 50% over de seneste 30 år, hvor især voksne hunner er blevet mål for krybskytter. Traditionelle overvågningsmetoder krævede enorme manuelle ressourcer, hvor forskere møjsommeligt sammenlignede tusindvis af fotografier for at spore de enkelte dyr.
GIRAFFE forvandler denne proces ved automatisk at analysere billeder fra kamerafælder og droneoptagelser med bemærkelsesværdig præcision – og opnår over 90% nøjagtighed i identifikation, ofte helt op til 99% under optimale forhold. Systemet opbygger en omfattende database, der gør det muligt for naturbevarere at overvåge overlevelsesrater, migrationsruter og reproduktionsmønstre i realtid.
"Mønstergenkendelsessoftware og computer vision har nu gjort det muligt for os at holde styr på tusindvis af individuelle giraffer," forklarer Derek Lee og Monica Bond fra Wild Nature Institute. "Vi tager billeder af hver eneste giraf, vi ser, og indlæser dem i mønstergenkendelsessoftwaren, som danner grundlaget for alle vores data. Det hjælper os med at forstå, hvor de klarer sig godt, og hvis de ikke gør, hvorfor – og vi kan udvikle effektive bevaringsindsatser."
Det, der tidligere tog naturbevaringshold dage af manuelt arbejde, sker nu på få minutter. En enkelt undersøgelse kan generere over 1.500 billeder, som GIRAFFE behandler hurtigt og præcist, så forskerne kan fokusere mere på selve bevaringsarbejdet frem for databehandling.
Vigtigt er det også, at GIRAFFEs arkitektur ikke er begrænset til giraffer – den kan tilpasses enhver art med karakteristiske visuelle mønstre, herunder zebraer, tigre og hvalhajer. Ved at gøre værktøjet open source og tilgængeligt på GitHub sikrer Microsoft, at naturbevaringsorganisationer verden over kan implementere og tilpasse teknologien til deres specifikke behov.
Dette projekt er et eksempel på, hvordan AI kan adressere presserende miljøudfordringer og tilbyder et stærkt modspil til bekymringer om kunstig intelligens' samfundsmæssige indvirkning. Som Juan Lavista Ferres, Chief Data Scientist ved Microsofts AI for Good Lab, bemærker: "Vi er spændte på at se, hvordan det open source GIRAFFE-projekt kan hjælpe forskere og organisationer verden over med at udnytte AI's kraft til at beskytte vilde dyr."