Искусственный интеллект меняет охрану природы: к лучшему или к худшему?

Искусственный интеллект в охране природы: взвешивая плюсы и минусы

Применение искусственного интеллекта (ИИ) в сохранении дикой природы вызывает как оптимизм, так и опасения. Например, исследователь Александр Дельпланк в Сенегале использует дроны для подсчета водоплавающих птиц. Обработка снимков с помощью ИИ значительно ускоряет этот процесс.

Время – критичный фактор. С 1970 года численность популяций диких животных сократилась более чем на 70%. Планета сталкивается с кризисом биоразнообразия, который некоторые учёные называют шестым массовым вымиранием.

Для спасения видов необходимо знать, какие виды существуют и в каком количестве. Это сложная задача, особенно учитывая, что, по оценкам, идентифицировано менее 20% видов насекомых. Однако анализ данных с фотоловушек в Панаме с помощью ИИ позволил обнаружить более 300 ранее неизвестных науке видов.

Преимущества и недостатки использования ИИ

Использование ИИ в научных исследованиях вызывает споры. Сторонники отмечают его способность анализировать огромные объемы данных, выявлять закономерности, недоступные человеческому глазу, и расшифровывать сложные геномы.

Критики указывают на негативное воздействие на окружающую среду, потенциальную предвзятость алгоритмов и недостаточный уровень этических стандартов.

В настоящее время широко применяется анализ видеозаписей с помощью моделей обнаружения объектов. Сверточные нейронные сети (CNN) обучаются распознавать виды или определять их присутствие.

Этические и экологические аспекты применения ИИ

Проекты по использованию ИИ для "спасения видов" часто привлекают внимание СМИ. Например, исследования в Южной Африке по спасению "самого одинокого растения в мире". Однако некоторые эксперты считают, что подобная публикация преувеличивает эффект и не учитывает негативные последствия.

Хэмиш ван дер Вен, руководитель Лаборатории бизнеса, устойчивого развития и технологий Университета Британской Колумбии, отмечает недостаток исследований, посвященных оценке экологических и социальных издержек использования ИИ.

Обучение одной большой языковой модели (LLM) может потреблять более тысячи мегаватт-часов электроэнергии. Центры обработки данных потребляют огромное количество воды для охлаждения оборудования.

Неравномерное распределение экологического бремени

К 2027 году потребление воды центрами обработки данных прогнозируется на уровне от 4,2 до 6,6 миллиардов кубометров в год, большая часть теряется при испарении. Экологическое воздействие распределяется неравномерно, так как технологические гиганты переносят центры обработки данных за рубеж.

Планы Google по строительству центров обработки данных в Латинской Америке вызвали протесты в Чили и Уругвае – регионах с высоким биоразнообразием и проблемами засухи. Центры обработки данных также загрязняют воздух.

Экологическое влияние ИИ в биологии

Ученые постоянно сталкиваются с вопросом о вреде окружающей среде, которую они пытаются защитить. Лаура Поллок, доцент кафедры количественной экологии в Университете Макгилла, отмечает, что используемые модели не настолько энергозатратны, как Big Data социальных сетей.

Специалист по вычислительной экологии Таня Бергер-Вольф считает, что нынешние приложения не используют весь потенциал технологии, называя распознавание изображений "ИИ старой школы". Они с Поллок написали совместную статью о "нераскрытом потенциале ИИ" для расширения знаний о биоразнообразии.

Новые возможности ИИ в экологии

Ученые стремятся использовать ИИ не только для ускорения существующих процессов, но и для генерации гипотез и обнаружения невидимых закономерностей. Сейчас ИИ преимущественно применяется для быстрого обнаружения изображений и акустического мониторинга.

Одно из перспективных применений – декодирование животного общения. Это вызывает как одобрение, так и осуждение.

Декодирование животного общения: этические дилеммы

Проект "Виды Земли" использует генеративный ИИ и большие языковые модели для создания переводчика общения с животными. Проект CETI фокусируется на понимании общения кашалотов.

Машинное обучение уже позволило предположить, что слоны обращаются к членам семьи по уникальным именам. Однако, декодирование животного общения вызывает этические вопросы и опасения по поводу эффективности.

Стоит ли нам вообще разговаривать с животными? Это пустая трата ресурсов? Бергер-Вольф предупреждает о необходимости выбирать проекты, где ИИ принесет реальную пользу.

Влияние больших языковых моделей на окружающую среду

Большие языковые модели создают большой экологический след. Безответственно тратить ресурсы, если результат исследования не принесёт изменений. Качество моделей зависит от качества данных, что может привести к предвзятости.

Распространенная проблема – пространственная предвзятость (неравномерное представление видов в данных) и таксономическая предвзятость (большее внимание харизматичным видам).

Бергер-Вольф утверждает, что использование ИИ в природоохранной деятельности не является лицемерием, просто его нужно применять ответственно. Биоразнообразие и ИИ не соответствуют геополитическим границам.

Международное сотрудничество в области ИИ и охраны природы

Необходимость международного сотрудничества в разработке этических норм и регулирующих механизмов для использования ИИ в сохранении биоразнообразия очевидна.

Необходимость глобальных стандартов

Разработка таких стандартов потребует совместных усилий ученых, политиков и заинтересованных сторон. Важно учитывать особенности разных экосистем и культурных контекстов.

Перспективы развития

Искусственный интеллект обладает огромным потенциалом для решения задач в области сохранения биоразнообразия. Однако, для достижения успеха необходимо ответственное применение технологий и эффективное международное сотрудничество.