تعداد شگفت‌آوری از فوت و فن حیات وحش در هر ثانیه در شبکه جاده‌های گسترده برزیل اتفاق می‌افتد که تهدید شدیدی برای بسیاری از گونه‌ها در نزدیکی انسان‌ها محسوب می‌شود. مرکز اکولوژی جاده‌های برزیل (CBEE) در سال گزارشی در ارزانه حدود 475 میلیون حیوان ورتبرات را ارایه داد که از جمله حیوانات کوچکی مانند کابی‌بارها، زره‌پوشان و استنکرها بیشترین قربانیان هستند.
زمانی‌که دانشجوی علوم کامپیوتر گابریل سوتو فرانته از دانشگاه سائوپالو با این آمارهای نگران‌کننده روبرو شد، وارد یک ماموریت شد. گام ابتدایی او تشخیص پنج گونه از حیوانات متوسط تا بزرگ با خطر بالا از جمله پلنگ‌ها، مورچه‌خوارها، تاپیر‌ها، گرگان‌ستیزها و کات‌سرها بود. سپس او یک پایگاه داده حاوی هزاران تصویر از این حیوانات برای آموزش یک مدل شناسایی هوش مصنوعی ایجاد کرد. آزمایش‌های موفق او در مجله Scientific Reports منتشر شد و او با موسسه ریاضیات و علوم کامپیوتر دانشگاه همکاری کرد.
پروژه فرانته به هدف ایجاد جاده‌هایی ایمن‌تر برای حیوانات و انسان‌ها هدایت می‌شود که از طریق همکاری با نهادهای مدیریت جاده‌ای امکان‌پذیر است. دسترسی به دوربین‌های ترافیک و خدمات محاسبات لبه امکان ارسال آگاهی‌های زمان واقعی به رانندگان را فراهم خواهد کرد.
اقدامات قبلی، مانند تابلوهای هشدار، به‌طور گسترده بی‌اثر بوده‌اند، سرعت متوسط رانندگی را تنها 3 درصد کاهش داده‌اند، در حالی که پل‌ها و تونل‌های اختصاصی برای حیوانات کافی نشدند. هماهنگ‌کننده CBEE، الکس باگر، اپلیکیشن Urubu را در سال 2014 معرفی کرد که اجازه داد به هزاران نفر گزارش‌کرده‌اند مکان‌های مستعد تصادف، شامل حوادث مربوط به حیات وحش را گزارش دهند. این ابتکار آگاهی را افزایش داد و حتی سیاستمدانان را متوجه تهیه قوانین ایمنی ساخت. با وجود بسته شدن اپلیکیشن به علت مشکلات تامین مالی، باگر نقشه‌هایی برای احیای آن دارد و تلاش‌ها را برای حفاظت از حیات وحش غنی برزیل از خطرات جاده ترویج می‌دهد.
۱. هدف اصلی مدل هوش مصنوعی گابریل سوتو فرانته چیست؟
هدف اصلی این است که تعداد فوت و فن حیوانات در جاده‌های برزیل را با شناسایی مناطقی که حیوانات در آن‌ها به خطر برخورده با وسایل نقلیه هستند، کاهش دهد و آگاهی‌های زمان واقعی را به رانندگان ارایه دهد.
۲. این مدل هوش مصنوعی چگونه کار می‌کند؟
این مدل هوش مصنوعی از یک پایگاه داده حاوی هزاران تصویر از حیوانات با خطر بالا برای شناسایی حضور آن‌ها نزدیک یا روی جاده‌ها از طریق دوربین‌های ترافیک استفاده می‌کند. یکبار شناسایی شده، ممکن است اخطارها به رانندگان نزدیک ارسال شود تا احتمال برخورد را کاهش دهند.
۳. چرا اقدامات قبلی مانند تابلوهای هشدار و عبور حیوانات ناکافی اعلام شدند؟
تابلوهای هشدار فقط منجر به کاهش کمی سرعت وسایل نقلیه شدند و همه گونه‌ها از عبورات اختصاصی حیوانات استفاده نکردند یا آن‌ها به راحتی در اکثر مناطق لازم موجود نبودند.
۴. چه چالش‌هایی برای اجرای چنین سامانه‌ای هوش مصنوعی وجود دارد؟
چالش‌های اصلی شامل به دست آوردن داده‌های کافی برای آموزش دقیق مدل هوش مصنوعی، تأمین دسترسی به دوربین‌های ترافیک و خدمات محاسبات لبه، یافتن تامین مالی و حمایت سیاستی برای پیاده‌سازی گسترده، و اتکا به سامانه برای تفسیر صحیح سناریوهای واقعی با شرایط روشنایی و آب و هوای متغیر.
مهمترین اطلاعات مرتبط با نگهداری حیات وحش و هوش مصنوعی را می توان در این دامنه ها مشاهده نمود:
World Wildlife Fund
Conservation International
TRAFFIC – Wildlife trade monitoring network