AI w lesie. Fotopułapki i liczenie dzikich ssaków

Wilki, niedźwiedzie i rysie w Tatrach, żubry nad Odrą, ginące króliki w Doñanie, dzikie renifery w Norwegii – wszystkie te zwierzęta łączy dziś gęsta sieć fotopułapek i algorytmów sztucznej inteligencji.

Projekt WildINTEL, koordynowany m.in. przez Instytut Ochrony Przyrody PAN w Krakowie, ma zbudować skalowalny, paneuropejski system monitoringu dzikich ssaków, który zamieni miliony zdjęć z leśnych kamer w twarde dane o bioróżnorodności i regularne raporty dla parków narodowych, administracji i naukowców.

Fotopułapki, obywatele i AI

Pierwsze zdjęcia z Tatr zaskoczyły nawet zespół projektu. W kadrze kamer, w odstępie kilku dni, pojawiły się wszystkie trzy duże drapieżniki tego pasma: wilk (Canis lupus), niedźwiedź brunatny (Ursus arctos) i ryś euroazjatycki (Lynx lynx). To potwierdzenie, że Tatrzański Park Narodowy pozostaje ostoją dla dużych drapieżników, a zarazem zapowiedź pracy dla badaczy: trzeba będzie określić, gdzie dokładnie zwierzęta się pojawiają, jak często i jak zmienia się ich liczebność.

Kamery, które uchwyciły drapieżniki, należą do programu WildINTEL – międzynarodowego projektu finansowanego w ramach konkursu Biodiversa Plus. Celem jest stworzenie nowej generacji monitoringu przyrodniczego, opartego na połączeniu fotopułapek, zaangażowania obywateli i sztucznej inteligencji. Wynikiem mają być dane opisujące stan i zmiany bioróżnorodności.

– Kamer pułapkowych jest dziś mnóstwo. Są tanie i łatwo dostępne, ale bardzo rzadko wykorzystuje się je do tworzenia wiarygodnych parametrów ekologicznych – mówi Carlos Bautista, badacz z Instytutu Ochrony Przyrody PAN i koordynator projektu WildINTEL. Jak podkreśla, projekt ma zautomatyzować „od początku do końca” drogę od ustawienia kamery w terenie, przez obróbkę danych, aż po mapy rozmieszczenia gatunków i wskaźniki liczebności.

– Rozmawiamy z zarządcami parków narodowych i słyszymy, że oni wiedzą, jakie gatunki u siebie mają. Nie potrzebują kolejnych galerii zdjęć na media społecznościowe, tylko liczb: ile jest osobników, jak są rozmieszczone, czy pojawił się nowy gatunek – dodaje prof. Nuria Selva z Estación Biológica de Doñana (CSIC) i Instytutu Ochrony Przyrody PAN, pomysłodawczyni projektu.

Zmienne kluczowe dla bioróżnorodności

Kluczową kategorią, wokół której zbudowano WildINTEL, są tzw. Essential Biodiversity Variables (EBV) – zestaw parametrów takich jak prawdopodobieństwo występowania gatunku, względna liczebność czy wskaźniki struktury zbiorowisk. Pozwalają one porównywać stan bioróżnorodności w czasie i przestrzeni. W projekcie mają być obliczane w sposób zharmonizowany dla różnych regionów Europy, a następnie trafiać do globalnych infrastruktur danych, takich jak GBIF, EuropaBON i GEO BON.

Konsorcjum – w skład którego wchodzą m.in. Instytut Ochrony Przyrody PAN, University of Huelva, University of South-Eastern Norway, German Centre for Integrative Biodiversity Research, Spanish National Research Council, Massachusetts Institute of Technology oraz hiszpański węzeł Global Biodiversity Information Facility – podzieliło prace na cztery pakiety.

Pierwszy obejmuje harmonizację projektowania badań i zbierania danych, opracowanie wspólnego protokołu terenowego i stworzenie aplikacji internetowej do gromadzenia oraz wstępnej obróbki zdjęć. Drugi dotyczy rozwoju systemu sztucznej inteligencji, który automatycznie rozpoznaje gatunki i zlicza osobniki na fotografiach. Trzeci koncentruje się na przekształcaniu milionów oznaczonych zdjęć w zmienne EBV i wskaźniki zmian bioróżnorodności, z uwzględnieniem niedoskonałości detekcji i błędów klasyfikacji. Ostatni pakiet ma zapewnić skalowalność projektu: obejmuje upowszechnianie wyników, przygotowanie narzędzi dla użytkowników zewnętrznych i współpracę z instytucjami odpowiedzialnymi za monitoring przyrody.

– Chcemy, żeby dane z WildINTEL były publicznie dostępne i łatwe do odnalezienia. Od początku projektujemy je jako tzw. dane FAIR, które trafią do globalnych repozytoriów bioróżnorodności – podkreśla Selva.

Tatry, Doñana, delta Odry i renifery w Norwegii

WildINTEL testuje swoje rozwiązania w kilku bardzo różnych krajobrazach Europy: w hiszpańskim Parku Narodowym Doñana, w Tatrach i delcie Odry w Polsce oraz na górskich płaskowyżach Norwegii, gdzie przetrwały ostatnie populacje dzikich reniferów.

– Te stanowiska terenowe są bardzo odmienne, co jest dla nas zaletą. Mamy suchy, śródziemnomorski krajobraz Doñany, strome i zaśnieżone Tatry, rozległe tereny nadodrzańskie oraz wysokogórskie płaskowyże Norwegii. Dzięki temu możemy projektować rozwiązania, które będą działały w różnych warunkach, a nie tylko w jednym, wygodnym parku narodowym – mówi Bautista.

W Tatrach zespół WildINTEL rozmieścił 60 fotopułapek w losowo wybranych punktach, dobranych tak, by objąć różne typy siedlisk. Kamery są regularnie kontrolowane: co kilka tygodni wymienia się baterie, karty pamięci i sprawdza, czy urządzenia nie zasypał śnieg ani nie przewrócił wiatr.

– To bardzo wysokiej jakości monitoring, ale wymagający ogromu pracy. Jedna osoba ma zajęcie na pełen etat, jeśli chcemy regularnie obsługiwać sieć kilkudziesięciu kamer – przyznaje Selva. Podobne zestawy działają już w Doñanie, a niebawem zostaną uruchomione w Norwegii i w delcie Odry.

Pierwsze dane z Tatr i Doñany są wykorzystywane do trenowania algorytmów sztucznej inteligencji oraz testów procedur statystycznych. W kolejnych latach sieci kamer będą powtarzane w tych samych lokalizacjach, by uchwycić dynamikę zmian liczebności i rozmieszczenia gatunków.

Oczyszczanie obywatelskie

Jednym z filarów WildINTEL jest rozwój modeli rozpoznawania gatunków i liczenia osobników na zdjęciach. Nad częścią algorytmów pracuje Sara Beery z Massachusetts Institute of Technology, współautorka szeroko używanego systemu Megadetector, który wstępnie rozdziela ujęcia pustego lasu, ludzi, pojazdów i zwierząt.

– Sztuczna inteligencja nie jest jeszcze w pełni samodzielna. Potrzebujemy tysięcy zdjęć każdego gatunku z danego regionu, w różnych ujęciach i warunkach. W Tatrach mamy choćby problem z kozicą, bo kamera stoi pół metra nad ziemią i równolegle do stoku – wszystkie zwierzęta wychodzą więc na zdjęciach pod kątem, co utrudnia uczenie algorytmu – tłumaczy Selva.

Zespół planuje łączyć działanie modeli AI z pracą wolontariuszy. Zdjęcia będą udostępniane na platformie nauki obywatelskiej Zooniverse, a ich klasyfikacja przez internautów pomoże zarówno w tworzeniu danych treningowych, jak i w wychwytywaniu błędów sztucznej inteligencji. Dopiero tak oczyszczone dane trafią do dalszej analizy.

Korzystanie z kamer w lasach wiąże się jednak z kwestiami prywatności, bo urządzenia rejestrują także ludzi: turystów, grzybiarzy czy kłusowników.

– W niektórych krajach budzi to kontrowersje. W miastach przyzwyczailiśmy się do kamer, ale czym innym jest zdjęcie w miejscu publicznym, a czym innym jego upowszechnianie – mówi Selva.

Dlatego pierwszym krokiem w analizie danych jest automatyczne usuwanie ujęć z ludźmi i pojazdami. Dzięki temu zdjęcia osób nie trafią do otwartych baz danych ani na platformy obywatelskie, a badacze zminimalizują ryzyko naruszenia przepisów o ochronie danych osobowych.

Monitoring jak prognoza pogody – tylko wolniejsza

Z punktu widzenia zarządców obszarów chronionych WildINTEL ma dostarczać przede wszystkim powtarzalnych, czytelnych raportów. To odpowiedź na wymagania m.in. unijnej dyrektywy siedliskowej, zobowiązującej państwa członkowskie do cyklicznego raportowania stanu ochrony gatunków i siedlisk.

– Taki system można porównać do mapy prognozy pogody. Tyle że zamiast temperatury czy opadów widzimy, gdzie występuje dany gatunek i w jakiej liczbie. Czasowy krok jest też inny, bo zamiast godzin mamy lata – wyjaśnia Bautista.

Powtarzanie badań w kilkuletnich cyklach pozwoli śledzić, jak globalne ocieplenie, zmiany użytkowania ziemi czy presja turystyczna wpływają na rozmieszczenie ssaków. W Tatrach badacze spodziewają się, że wiele gatunków będzie „uciekało” w górę wraz ze wzrostem temperatur, podczas gdy coraz więcej ludzi będzie szukało chłodu na wyższych wysokościach. W Doñanie już dziś ekstremalne susze i powodzie powodują załamanie populacji kluczowych gatunków, takich jak królik – gatunek kluczowy dla tamtejszego ekosystemu.

– Dzięki jednolitym protokołom i automatycznym analizom możemy porównywać wyniki między krajami i regionami. To ważne, bo duże drapieżniki czy migrujące kopytne nie znają granic administracyjnych – podkreśla Selva.

To nie laboratorium

Choć losowe rozmieszczenie kamer jest konieczne, by szacunki gęstości i liczebności były statystycznie poprawne, w górach i lasach rzadko udaje się dotrzeć dokładnie w wyznaczony punkt.

– Wygenerować losowe współrzędne w programie to jedno, ale dojść w teren, gdzie spadły to zupełnie inna historia. W Tatrach zdarzają się urwiska, zwały powalonych drzew, lawiniska, miejsca bardzo odległe od szlaków – mówi Bautista.

Dodatkowe wyzwania stawia klimat. W niektórych lokalizacjach kamery zasypuje śnieg, woda w nich zamarza, a wiatr potrafi poruszać roślinnością tak silnie, że urządzenie wyzwala migawkę bez przerwy, wyczerpując baterie i zapełniając kartę pustymi zdjęciami.

– To nie jest sterylny eksperyment w laboratorium, tylko prawdziwe pole badań. Widzimy to choćby w Tatrach, gdzie w wielu miejscach zastosowanie zaawansowanych metod, takich jak kalibracja z tyczką czy estymacja odległości do zwierząt, jest niemal niewykonalne. Przed nami wiele praktycznych problemów do rozwiązania – przyznaje Selva.

Dochodzi też ryzyko kradzieży lub zniszczenia sprzętu. Zespół musi decydować, czy po utracie kamery ustawić nową w tym samym punkcie, czy przesunąć ją nieco dalej, a każda taka decyzja ma konsekwencje statystyczne. Jednym z celów projektu jest więc opracowanie rekomendacji także dla takich sytuacji.

Od projektu badawczego do europejskiej infrastruktury

WildINTEL jest w połowie zaplanowanego czasu trwania. Dane z Tatr i Doñany posłużyły już do testów algorytmów i procedur, kolejne serie zdjęć napływają z nowych lokalizacji, a platformy do analizy danych są doskonalone. Naukowcy przygotowują się też do uruchomienia projektu citizen science, w którym wolontariusze pomogą oznaczać gatunki i weryfikować wyniki AI.

Zapytani o przyszłość projektu, badacze mówią przede wszystkim o jego użyteczności. – W idealnym scenariuszu platforma nie tylko działa, ale jest akceptowana i wykorzystywana przez różne instytucje w Europie, a może i poza nią. Dzięki narzędziom pozwalającym półautomatycznie analizować dane, rozwiązania WildINTEL będzie można łatwo przenosić do nowych regionów i łączyć z informacjami o klimacie czy topografii – mówi Bautista.

Selva dodaje, że równie ważne jak precyzja jest dostępność. – Na razie system jest skomplikowany nawet dla nas. Chcemy, by użytkownik mógł raz wgrać zdjęcia na wspólną platformę i automatycznie otrzymywać raport o rozmieszczeniu i liczebności gatunków. Jeśli to się uda i infrastruktura utrzyma w dłuższej perspektywie, WildINTEL może stać się brakującym ogniwem między codzienną pracą parków narodowych a globalnymi ocenami stanu bioróżnorodności – podsumowuje.

• Polska Akademia Nauk