预测偷猎地点, 狙击东北虎猎杀者, 赋予了AI解决现实问题的真正意义

从技术角度来看，PAWS 是一种机器学习和博弈论系统；而现在，它是大象的新型保护者，能够预测偷猎者可能发起袭击的地点。

编译 | 陈韵竹

来源 | spectrum

每年，偷猎者都会杀死大约 27000 只非洲象——这一数字占非洲大象总数的 8%，令人震惊。如果这一趋势延续下去，这些体格庞大的动物可能会在十年内消失。

解决办法呢？当然是在偷猎者发动侵袭之前之前制止他们。

但是如何做到这一点，令政府当局困惑已久。在野生保护区等加以防护的区域内，大象和其他濒危动物漫步的范围可能很大。但是，巡逻员在各个时间段内能巡逻到的范围却十分有限。

南加州大学计算机科学家 Milind Tambe 解释说：「这个问题要分成两部分。你如何预测偷猎在何处发生？你又如何让巡逻轨迹变得不可预测，在偷猎者面前隐藏巡逻队的踪影？」

为了解决这个问题的两个部分，Tambe 和他的团队创建了一个名为 PAWS 的人工智能系统。这是一个野生动物安全保护助手（Protection Assistant for Wildlife Security）。

其中，机器学习算法使用曾经巡逻所获得的数据，预测未来可能发生偷猎的地点。而博弈论模型则有助于产生随机的、不可预测的巡逻路线。该系统已在乌干达和马来西亚进行了实地测试，效果良好，2018 年将在中国和柬埔寨投入使用。

此外，Tambe 表示，PAWS 系统很快就可以整合到一个名为 SMART 的现有跟踪工具中。在全球大多数地点，野生动物保护机构都已部署了 SMART 来收集和管理巡逻数据。

在乌干达伊丽莎白女王国家公园，国际野生动物保护协会（WCS）进行了为期一个月的试验。巡逻员去了两个他们平日很少去的地方，但是 PAWS 预测这两个地方偷猎发生的可能性很高。

巡逻员惊奇地发现，这两处有大量圈套和其他非法活动的迹象。后来，在一个为期 8 个月的试验中，PAWS 系统监护了整个公园。

模型的预测又一次得以验证：他们发现，高概率地区和低概率地区的偷猎发生概率相差了 10 倍。

目前乌干达 Murchison 瀑布国家公园正在进行一项新的试验，用以检查 PAWS 在不同地点是否能同样有效的工作。

（视频）

WCS 非洲项目科学主管 Andrew Plumptre 正在与 Tambe 乌干达实地的试验小组合作。

他说，在常规的巡逻中，巡逻员使用名为 Cybertracker 的手机应用程序输入他们所看到的数据。这些数据将以约每月一次的频率上传到 SMART。

「你可以在地图上找到巡逻队搜寻过的地点，在那里，你会发现大象圈套和尸体的地点等。」Plumptre 说，

「但这并没有前瞻性。单靠巡逻是不足以阻止偷猎的。」他希望 PAWS 的预测能力能使巡逻尽可能快速且有效。

十多年前，Tambe 和他的学生开始从事港口、机场和航空的安全工作。在此基础上，他们开发了 PAWS 系统。

目前，美国海岸警卫队、运输安全管理局和洛杉矶警局均部署了 Tambe 团队开发的人工智能系统。另外，Tambe 还联合了加州威尼斯的 Avata Intelligence 公司，将这项研究商业化。

大约六七年前，在世界银行的一次会议上，Tambe 听了一场关于「老虎困境」的演讲。其中提到，只有不到 4000 只老虎在野外生存。

「我曾听说过这种事，但是我从未理解这一问题所波及的范围。我突然意识到，人工智能也许会有潜在的帮助。」Tambe 说道。他很快与保护组织取得了联系。

Tambe 以前的学生、目前在卡内基梅隆大学担任助理教授的 Fei Fang 曾在海岸警卫队系统工作，职责是保护纽约市 Staten 岛的渡轮。后来，她转到 PAWS 系统工作。

她指出，这两种情况十分相似：

「在这两个场景中，都有一个防守者——要么是野生动物巡逻员，要么是海岸警卫队；还有一个攻击者——要么是偷猎者，要么是恐怖分子。你所要推测的就是他们之间的互动方式。」

预测性巡逻：卡内基梅隆大学计算机科学家 Fei Fang 展示了中国东北部某野生动物保护区发现的老虎陷阱。Fei Fang 与 南加州大学的 Milind Tambe 开发了一种机器学习算法，预测偷猎者最活跃的地方。

对于 PAWS 团队而言，现场试验将荒野治安的一项重要现实带到眼前：地面并不平坦。

Fei Fang 说，当团队在马来西亚开始工作时，他们没有考虑到马来西亚密林、多山的地形。

「在我们的第一个模型中，我们按照地图把整个地区划分成许多网格单元，在网格上画了一条线，并提示道，『巡逻员们，请跟着这条线走』。」她回忆说，

「我们曾用 Skype 和他们联系，但他们说『不，不，这样不行』。我们当时还不能理解为什么。」

 

后来，当 PAWS 团队访问马来西亚自然保护区时，他们才明白背后的原因。

Fei Fang 说：「我们和巡逻员同走一条路，花了整整八个小时才走了几英里。」PAWS 随后进行了一系列改进，重点考虑了行走的地理特征，如脊线、河床和曾经记录过的路径。

她表示：「我们为保护区建立了一个虚拟的街道地图，然后据此绘制路线图。」沿着新路线行走，巡逻员便发现了「各类动物、人类的活动迹象」。

截至发稿时，Fei Fang 正在世界野生动物基金会（WWF）进行为期 3 个月的中国东北进行现场试验，其中东北虎最受关注。

她介绍，他们正在对系统进行一项改进，帮助巡逻员在巡逻时做出决定。

她说：「巡逻员可能会看到脚印和树木标记，这些表明了偷猎者正在前进的方向。然后，巡逻员需要决定，应该追捕偷猎者吗？如果他们看到了新的信息，改变计划的最佳策略是什么？」

与此同时，Tambe 和 Fei Fang 正与一个叫做 Air Shepherd 的野生动物保护服务组织合作，他们使用配有红外摄像头的无人机在夜间搜索偷猎者。

Air Shepherd 基于人工智能的视频分析系统正在为人类自动完成一项繁琐而艰巨的任务：审查数小时的粒状黑白镜头，并在检测到非法活动时提醒巡警。

PAWS 下一步计划将他们的系统提供给其他非政府组织。理想情况下，他们会将该算法集成到现有的工具（如 Cybertracker 和 SMART 系统）中去。

Plumptre 说：「我们可能永远无法完全停止偷猎。但是，我们可以努力把偷猎降到一个更低的水平，使野生动物的数量不再下降。」

Tambe 指出，人工智能通常应用于现代技术问题，但他认为，这项涉及偷猎问题的 AI 应用有着特别的意义。

他说：「我们正在使用人工智能拯救自然世界。我们希望，这些令人叹为观止的景观和动物永不消失。它们是这地球上重要的宝藏。」

往期文章

大公司：微软、亚马逊、阿里、百度、腾讯、英伟达、苏宁、西门子、浪潮

创业公司：商汤科技、依图科技、思必驰、竹间智能、三角兽、极限元、云知声、奇点机智、景驰科技、思岚科技、追一科技、海知智能、出门问问、钢铁侠科技、体素科技、晶泰科技、波士顿动力、弘量研究、小源科技、中科视拓

人物报道：吴恩达、陆奇、王永东、黄学东、任小枫、初敏、沈威、肖建雄、司罗、施尧耘

自动驾驶：传统变革、Uber、图森未来、速腾聚创、驭势科技、全球汽车AI大会

应用场景：金融、医疗、法律、新零售、网络安全

商业地理：加拿大、匹兹堡、瑞士