為了遏制非法捕撈，研究人員發布了一個新的開源 AI 模型，該模型可以準確識別世界上幾乎所有的航海船只的行為，包括船只是否可能非法捕撈。
位于西雅圖的 Ai2 (Allen Institute for AI) 最近發布了一個名為 Atlantes 的輕量級模型，用于分析全球近 600,000 艘遠洋船每天發出的超過五億個 GPS 信號。
該模型可以預測幾乎任何船只在任何時候的狀況，準確率約為 80%。
該模型集成到 Ai2 更大的海洋監測平臺 Skylight 中，如果船只似乎正在釣魚，則可以向海岸護衛隊、巡邏船只或其他類似用戶發出警報，以檢查是否有非法活動。
今年年初，在 Skylight 提醒一艘在其專屬經濟區內非法捕撈的船只出現可疑行為后，阿根廷海岸護衛隊攔截了該船只，并隨后對其實施了罰款。
Atlantes 是一個基于 4.7M 參數 Transformer 的模型，在 NVIDIA H100 Tensor Core GPU 和 PyTorch 上進行訓練。對于訓練數據，從 2022 年 1 月到 2024 年 6 月，Ai2 團隊使用了自動識別系統 (AIS) 信息，幾乎所有船只都需要廣播這些信息。為了幫助微調該模型并提高其識別船只活動的能力，Ai2 聘請了 20 名海洋專家來注釋包含超過 15 萬個位置相關信號的位置數據。
該模型在首次發現潛在的非法活動后大約 15 分鐘內提醒當局。考慮到 71%的地球表面 (即 139 萬平方英里) 被海洋覆蓋，這種精度和敏捷性類似于常規地大規模地識別大海撈針。
Skylight 平臺每天可以處理近 2 TB 的信息。這些數據包括射頻、衛星信息—包括來自 NASA 和歐洲空間局的 Sentinel-2 的公開數據—以及至關重要的幾乎每艘輪船廣播的獨特 AIS 位置數據。
Skylight 可在 web 上訪問，也可作為一項基于 API 的服務，并免費提供給政府和保育人士。
解決非法、未報告和無管制（IUU）捕撈問題的風險很高，尤其是在較貧窮的國家。
根據金融透明聯盟（FTC）的數據，非法、無管制和未報告的捕撈活動每年在全球造成高達 23 億美元的漁業損失，約占全球捕撈量的 20%。
FTC 報告稱，在從事 IUU 捕撈的所有船只中，近一半的船只在非洲水域作業，當地居民過度依賴捕魚來工作，并且是他們的主要蛋白質來源。
Ai2 的 Skylight 項目負責人 Namrata Kolla 表示：“我們所做的工作旨在幫助資源不足的國家保護其水資源、自然資源和生計。”“AI 使執法機構能夠跨越以往無法獲得的能力，例如在大量數據集中識別重要行為。”
Ai2 對 Atlantes 的雄心壯志并未止步于水的邊緣。
展望未來，Ai2 計劃對 Atlantes 進行調整，并將其整合到另一個保護平臺 EarthRanger 中。
EarthRanger 匯總來自各種來源的大量數據，包括衛星、地面攝像頭陷阱、聲學傳感器以及配備追蹤設備的動物——如大象、犀牛和野狗。
它為保護部門提供了覆蓋在地圖上（包括野生動物保護區和國家邊界）的相關野生動物相關數據的鳥瞰圖，并在識別到令人不安的活動時發出警報。
在不久的將來，Ai2 計劃訓練其 Atlantes 模型來預測大象的行為，以幫助減少人類與大象之間的沖突。
EarthRanger 的導演 Jes Lefcourt 指出，人類與野生動物的沖突現在是大象面臨的最大威脅之一。偷獵者仍然以大象為目標，以保護他們的牙齒。但每年都有越來越多的大象死于與農民爭奪農作物的沖突。
通過在全球保護領域的十年工作，Ai2 與合作伙伴合作收集了世界上最大的大象運動數據集。如今，它持續追蹤成千上萬頭戴追蹤設備的大象。由于大象通常以成群方式移動，因此這些數據約占全球大象數量的三分之一。
“我們將使用所有這些大象運動數據，結合人類與野生動物沖突發生地點的歷史數據，并訓練模型來回答：‘導致人類野生動物沖突事件的大象運動是什么樣子的？’”Lefcourt 說。
借助這些精確的大象數據，環保人士和地方當局可以與農民和社區合作，在大象與人類接觸之前攔截它們。
Lefcourt 說：“令人驚訝的是，用于對漁船進行分類的基礎設施與我們用于預測大象行為并試圖幫助挽救大象生命的基礎設施相同。”
詳細了解 Skylight 和 Atlantes transformer 模型，并查看有關 EarthRanger 的實時警報的其他信息。
?
?
