Umělá inteligence je excelentní stopař zvířat. Může tak pomoci ochraně přírody

Pátrat po zvířatech, která se nechtějí vystavovat lidem, není nic lehkého. Jenže právě ty neviděné a pozornosti vědců unikající patří často mezi nejohroženější. Jak s tím mohou pomoci nástroje umělé inteligence? To hezky dokládá příklad hyen čabrakových. Monitorovat divoká zvířata v terénu? Někdy je to opravdu snadné. Takoví tučňáci zakládají kolonie na stále stejných místech, jsou věrní svým teritoriím a přítomnost nedalekých vědců, kteří po nich zvědavě pošilhávají triedry, je nechává chladnými. Sčítat taková zvířata, sledovat přírůstky jejich populace, to je hodně nenáročná zábava.

Naneštěstí pro zoology je ale takových živočichů minimum. Při své práci častěji naráží na zvířata, která se neviděna a neslyšena pohybují rozlehlou krajinou, co během svých poutích překonávají mnohasetkilometrové vzdálenosti a občas i hranice států. Věrným příkladem takového složitě pozorovatelného druhu může být třeba ta z nejvzácnějších v Africe se vyskytujících hyen, hyena čabraková (Parahyaena brunnea).

Domovský okrsek hyen nabývá rozlohy od 233 do 466 kilometrů čtverečních. A byť žijí v rodinných skupinách, klanech, jednotlivci se často při pátrání po potravě pohybují sami. V noci. Nejsou přitom vázáni konkrétním místem - nemá stálé trasy, nevyhledává zdroje na předem očekávatelných místech. Vyloženě se nechce nechat vidět, své soukromí si hájí.

To, jak málo o hyenách čabrakových víme, vlastně dokládá i současný odhad jejich počtů. Stojí někde mezi třemi až desíti tisícovkami kusů. Takový výrazný rozptyl hodnot dává tušit i to, že ochrana takového druhu nebude snadná. Už proto, že osoby odpovědné za jejich ochranu neví, kolik hyen a kde se vlastně zrovna nachází.

Po stopách hyen s UI

Praktické komplikace názorně dokládají zkušenosti Marie Lemerlové, vedoucí projektu Stanfordské univerzity Brown Hyena Research. Čelí například tomu, že jim poněkud nevybíravé a zvědavé hyeny drze rozkousávají i fotopasti, které na ně v terénu porůznu nastražují.

Což byl také velmi silný impuls pro to, aby navázali spolupráci s americkou neziskovkou WildTrack. Jde o organizaci (úzce spolupracující se severokarolínskou Duke University), která chce pozvednout monitoring - nejen hyen, ale i dalších „nemonitorovatelných“ živočichů – na dočista novou úroveň.

S využitím té nejmodernější techniky a samoučících nástrojů umělé inteligence.

Zní to jako hodně velké sci-fi, ale ve své podstatě je to velmi prosté.

Hyenu čabrakovou je sice nesmírně obtížné naživo spatřit a sledovat, ale v terénu za sebou přeci jen zanechává stopy. Které se už zadokumentovat dají. A takové fotky stop, doprovázené odpovídajícím měřítkem, se dají využít jako vstupní data pro analýzy tzv. FIT, footprint identification technology.

Jeden jediný obrázek stopy pochopitelně velkou slávu neudělá, ale rozsáhlejší databáze takových fotek je už mnohem užitečnější. Dokáže totiž na souboru dat vylišit, jaké zvíře stopu v terénu zanechalo.

Stejně tak jako indiánský stopař v dobrodružných povídkách dokáže ze stop vyčíst, kolik jezdců projelo stezkou, jak byli jejich koně velcí, naložení, unavení anebo kolik dní už jsou asi na cestě, dokáže FIT naznačit, o jaký exemplář se jednalo.

Pozná samce od samice, mladé i staré kusy. A čím víc fotek stop a terénních metadat bude mít, tím více se bude přibližovat přesnosti v určení konkrétního jedince.

Stopa zvířete pochopitelně není to samé, jako pro daktyloskopii otisk lidského prstu. Proměňuje se třeba podle toho, zda je vtlačena do písku, bahna. Podléhá nejrůznějším deformacím – za chůze, běhu či plížení. Ale ty proměny parametrů jsou v rámci pohybu jednoho zvířete poměrně konstantní. Dá se v tom číst.

Indiánský stopař z románů se tomu musel učit celý život, ale nástroje FIT nakrmené dobrými daty to zvládnou za zlomek času. Jak poznamenávají lidé stojící za WildTrack: „Naše morfometrické modely dokáží zajistit přesnost lehce pod 90 procent při klasifikaci podle druhu, jedince, pohlaví a věkové třídy.“

Proto také výzkumníci z týmu Lemerlové nemusí poslední rok obětovat další fotopasti a hledat hyeny, které se nechtějí nechat vidět. Stačí jim v terénu nacházet a dokumentovat jejich stopy. Poté, co je FIT přežvýká, vypadnou z něj výsledky o tom, která hyena z klanu se vydala na cesty a kam.

Otisky zaznamená každý

V případě hyen, které takto sledují, dosahuje metoda FIT ještě vyšší úspěšnosti. To proto, že stopy jednotlivých exemplářů se od sebe skutečně výrazně liší. Jak je to možné?

Klany „jejich“ hyen čabrakových totiž mají zálusk na mláďata tuleňů kapských, kteří se zdržují v okolí zátoky Baker v Namibii. O tuto snadno dostupnou kořist se ale nejprve musí servat s dalšími predátory. Nejčastěji šakaly černohřbetými. Svádí s nimi velmi agresivní šarvátky, z nichž jen málokdy vyjdou nezraněny. Po nich kulhají, mají potrhané končetiny, tlapy plné jizev. A to vše pak zanechává velmi charakteristické otisky v půdě.

Software WildTrack každou stopu rozloží a popíše 120 různými morfometrickými údaji – například vzorci úhlů sklonu jednotlivých prstů - a založí ji do databáze, z níž pak podle potřeby dokáže čerpat pro další analýzy.

Hyeny čabrakové nejsou jediným „klientem“ nástrojů umělé inteligence, spíše jsou příkladem prvního živočišného druhu, na němž už byla technologie aplikována cíleně, jako otestovaná metoda.

Vznik technologie a první nesmělé pokusy se pojil s kriticky ohroženými nosorožci dvourohými. A kromě nich a hyen už „umí“ stopovat dalších patnáct druhů divokých zvířat.

Nepopiratelnou výhodou nástrojů FIT je, že vědci ke sledování a monitorování živočichů zvíře nepotřebují. Nemusí jej rušit, sledovat ani stresovat. A počítá se i to, že k mapování pohybu zvířat není zapotřebí ani to „indiánské“ stopařské know-how. Vyfotit chytrým telefonem stopu neznámého zvířete vedle položeného měřítka zvládne každý. Potenciál pro zapojení veřejnosti do mapování ohrožených nebo obtížně zaznamenatelných zvířat je tedy ohromný.

---

reklama

---