Mbaza to rdzenne słowo afrykańskie. W lokalnym gabońskim narzeczu oznacza budkę strażniczą. To również nazwa polskiej aplikacji, której zadaniem jest wspomaganie strażników w lasach deszczowych Gabonu. Polscy programiści - dzięki algorytmom uczenia maszynowego - pomagają im m.in. w ochronie populacji leśnych słoni. – Myśl o tym, że moi synowie lub ich dzieci mieliby się uczyć o tych pięknych zwierzętach tak, jak my o mamutach, jest poruszająca. Ale też otrzeźwiająca i zmuszająca do działania – mówi Filip Stachura, prezes Appsilon.
Firma Appsilon została założona w 2013 roku przez weteranów inżynierii oprogramowania z Google, Microsoft, Bank of America i Domino Data Lab. Zespół zajmuje się dostarczaniem innowacyjnych rozwiązań do analizy danych i uczenia maszynowego. Appsilon świadczy usługi dla klientów z listy Fortune 500 na całym świecie.
– Pomagamy organizacjom na przykład w budowaniu systemów wspierania sprzedaży – mówi prezes, Filip Stachura. W tym celu Appsilon tworzy narzędzia dla handlowców, które podpowiadają komu i jakie produkty powinni zaoferować. Buduje również rozwiązania dla firm farmaceutycznych, ubezpieczeniowych i wielu innych.
– Wkraczamy wszędzie tam, gdzie jest dużo danych i trzeba z nich wyciągać precyzyjne wnioski, które pozwalają na podejmowanie szybkich decyzji biznesowych – mówi Filip.
Najważniejszą misją firmy jest jednak AI for Good, czyli skupianie się na projektach związanych ze zmianami klimatu i ochroną środowiska. To obszar, w którym Appsilon działa także pro publico bono.
W taki sposób powstała Mbaza AI. – Nie szukaliśmy problemu pasującego do rozwiązania, które już stworzyliśmy – zastrzega prezes. – Przedstawiliśmy na naszym blogu co potrafimy i ogłosiliśmy, że jesteśmy gotowi pomagać za darmo. Pod warunkiem, że projekt, który potrzebuje naszego wsparcia, niesie za sobą pozytywny impact.
W taki sposób do zespołu Appsilon zgłosił się dr Robin Whytock z Uniwersytetu w Stirling w Szkocji. Ośrodek jest jednym ze światowych pionierów badań ekologii tropikalnej. To właśnie tamtejsi naukowcy stworzyli w Parku Narodowym Lopé w Gabonie stację badawczą, zajmującą się obserwacją goryli (SEGC – The Gorilla and Chimpanzee Research Station), która jest prowadzona już od 1983 roku.
– Na początku 2018 roku, wraz z Gabońską Agencją Parków Narodowych (ANPN Gabon), rozpoczęliśmy szeroko zakrojony program monitorowania bioróżnorodności – mówi Robin. – Wykorzystujemy w tym celu 200 fotopułapek do badania populacji ssaków w parkach narodowych Lopé i Waka. Fotopułapki są rozmieszczone na terenie o powierzchni 7000 km2 ciągłego lasu.
W Gabonie rośnie drugi co do wielkości las deszczowy na świecie o powierzchni około 22 milionów hektarów. Lasy pokrywają aż 87 proc. powierzchni tego kraju, z czego 11 proc. to właśnie parki narodowe. Gabon jest drugim najbardziej zalesionym państwem na świecie i jednym z “zielonych płuc” naszej planety.
– Wielkość i znaczenie gabońskich lasów, w połączeniu z faktem, że żyjemy w czasach globalnego kryzysu bioróżnorodności i w ciągu ostatnich 46 lat straciliśmy 68 proc. światowej populacji zwierząt sprawia, że jest to obszar o ogromnym znaczeniu dla naukowców i ekologów – podkreśla.
Dla jego ochrony, kluczowe jest monitorowanie procesów, które zachodzą w ekosystemach. Właśnie do tego wykorzystuje się fotopułapki, które są montowane na drzewach. Są one zaopatrzone w czujniki ruchu lub ciepła oraz kamerę, która robi zdjęcia przechodzącym zwierzętom. Dane zebrane przez fotopułapki pozwalają na lepsze zrozumienie aktualnego stanu zwierząt, liczebności populacji i ich przemieszczania się.
Urządzenia pozwoliły też naukowcom na stwierdzenie obecności zwierząt, które wcześniej uważano za lokalnie wymarłe, takich jak hiena cętkowana czy lew afrykański. Poza tym dane są wykorzystywane do lepszego projektowania i wyznaczania obszarów chronionych oraz identyfikowania zagrożeń, które w innym przypadku mogłyby pozostać niezauważone. Na przykład działalności kłusowników, ale też zmian w samych ekosystemach.
– W naszej ostatniej pracy opublikowanej w magazynie Science wykorzystaliśmy obrazy z fotopułapek, aby pokazać, że słonie leśne stają się coraz chudsze. Dzieje się tak prawdopodobnie dlatego, że w efekcie zmian klimatycznych drastycznie spada liczba dzikich owoców leśnych, którymi się żywią – tłumaczy naukowiec.
Technologia ma jednak swoje ograniczenia. Fotopułapki dostarczają co prawda ogromnych ilości zdjęć, ale ktoś musi później jeszcze te zdjęcia zrozumieć i wyciągnąć odpowiednie wnioski. Wcześniej, ekolodzy i strażnicy robili to wszystko ręcznie. Teraz wkroczyła Mbaza AI.
– Należy pamiętać, że to nie działa tak, że można sobie te zdjęcia wysłać do chmury, a potem usiąść w bazie i rozpocząć spokojną analizę – zastrzega dr Jędrzej Świeżewski, Machine Learning Lead z Appsilonu.
– Zasięg internetu w lasach gabońskich jest bardzo ograniczony. Podobnie jak ograniczona jest pojemność baterii fotopułapek. Więc w praktyce strażnicy leśni i ekolodzy muszą chodzić po lesie i zbierać te zdjęcia na zewnętrznych nośnikach pamięci – tłumaczy.
– Nasze zespoły budzą się wcześnie, około 7 rano i wyruszają w las, tak żeby dotrzeć do każdej z fotopułapek do godziny 16:00 – wtrąca Robin. – Często jest tak, że tego samego dnia muszą oni przeprawić się przez imponującą wielkością rzekę i pokonać liczne, gęsto zalesione wzniesienia.
– Paradoksalnie, terenowe wędrówki to nie jedyna wymagająca część ich zadania – uśmiecha się Jędrzej. – Później ekolodzy i strażnicy zgrywają te zdjęcia i na swoich własnych laptopach, bardzo często nie najnowszej generacji, poddają je ręcznej analizie. Czyli przeglądają je i klikają - tu jest pantera, a tu słoń.
Jeden zbiór zdjęć to zwykle około 30 tysięcy fotografii. Ich przejrzenie i opis zajmuje ekspertom około czterech tygodni intensywnej pracy.
– Nasza aplikacja te 4 tygodnie skraca do jednego dnia – mówi z dumą Jędrzej. – Wystarczy wgrać w nią zbiór zdjęć, a w tle uruchomi się model uczenia maszynowego. Model potrafi już rozpoznać około 25 gatunków zwierząt. Po określeniu, kto jest bohaterem zdjęcia, aplikacja nanosi dane na mapę, na której można zobaczyć gdzie i jakie zwierzę zostało wykryte. Pozwala to ocenić na przykład po jakim obszarze się porusza i jaka jest jego dobowa aktywność.
Zdjęcia, z którymi pracuje aplikacja, są bardzo różnej jakości. Część z nich jest poruszona lub widać tylko kawałek zwierzęcia. Nawet na dobrej jakości zdjęciach bardzo trudno dostrzec mniejsze z nich na na tle gęstego lasu. Model potrafi jednak wyciągać odpowiednie wnioski i precyzyjnie określić gatunek na podstawie samej raciczki czy kawałka ogona. Aplikacja świetnie sobie radzi również ze zdjęciami wykonanymi nocą. I to o wiele lepiej od ludzkiego oka.
– Kiedy “uczyliśmy” model, korzystaliśmy ze zdjęć, które były wcześniej ręcznie opracowane przez ekspertów – tłumaczy Jędrzej. – Te, które były robione w nocy, kiedy działa flesz, są bardzo jaskrawe przed samym okiem kamery i zupełnie ciemne poza oświetlonym obszarem. Strażnicy przesłali nam sporo takich “pustych”, czarnych zdjęć, na których według nich nic nie było.
Ku zdziwieniu zespołu, który pracował nad modelem uczenia maszynowego, po wgraniu wszystkich fotografii, model zaczął rozpoznawać zwierzęta również na zdjęciach, które były określone przez ekspertów jako nieudane.
– Systematyczność z jaką nasz model widział zwierzęta na pozornie pustych, nocnych zdjęciach sprawiła, że postanowiliśmy dobrze się im przyjrzeć. Okazało się, że w tej ciemności można zaobserwować bardzo drobne różnice w intensywności pikseli. A potem, gdy bardzo rozjaśniliśmy obraz okazało się, że faktycznie - jest na nich na przykład słoń. Tylko, że przemyka gdzieś za krzakiem – śmieje się Jędrzej.
A jak podkreśla Filip, precyzja to nie jedyna zaleta Mbazy. – Ogromnym atutem rozwiązania jest to, że nie działa w chmurze. To bardzo ułatwia pracę w miejscach gdzie nie ma zasięgu i gdzie internet jest po prostu bardzo drogi. My zoptymalizowaliśmy aplikację tak, żeby była w stanie działać na stosunkowo słabym sprzęcie – tłumaczy.
Aplikacja jest już szeroko testowana w gabońskich lasach. Firma otrzymała też grant na rozwój w kolejnych pięciu afrykańskich krajach. Polacy liczą, że po zakończeniu fazy testów, stanie się uniwersalnym narzędziem monitorowania ekosystemów. Trwają rozmowy o rozszerzeniu jej zastosowania także poza Afryką, na przykład w niektórych rejonach Azji.
– Dzięki Mbazie AI znamy z najdrobniejszymi szczegółami rozmieszczenie ponad 30 ssaków na dość rozległym terenie. Wyniki te będą nadal analizowane w przyszłości i spodziewamy się, że dzięki nim powstanie wiele ważnych artykułów naukowych – podkreśla Robin Whytock.
Trwają również prace nad wykorzystaniem zdjęć do monitorowania sezonowych zmian siedlisk leśnych, przy wykorzystaniu tzw. “phenocams”, czyli kamer fenologicznych. Mechanizm ich działania jest podobny do fotopułapek używanych do monitorowania dzikiej przyrody, ale robią one zdjęcia w regularnych odstępach czasu, a nie wtedy, gdy wykryją zwierzęta.
– Dorzecza Amazonki i Konga wraz z azjatyckimi lasami deszczowymi stanowią zaledwie 6% powierzchni Ziemi, ale to tam znajdziemy ponad połowę wszystkich rozpoznawalnych gatunków roślin i zwierząt – zaznacza Robin.
– Lasy te są ważne nie tylko dla miejscowej ludności, która polega na ich zasobach w zakresie wody, żywności i leków, ale mają też globalne znaczenie dla magazynowania dwutlenku węgla. Co jest szczególnie istotne w czasie globalnego kryzysu klimatycznego. Chroniąc je, chronimy siebie.
Autorzy artykułu:
"Dla zdecydowanej większości z nas bardzo ważne jest to w jakim świecie żyjemy i w jakim świecie będą żyły nasze dzieci. Skoro my sami jesteśmy w dobrej sytuacji: mamy komfortowe warunki do życia i możemy dzięki temu rozwijać swoje kompetencje, to chcemy znaleźć obszary, gdzie będziemy mogli wykorzystać je w dobrym celu."
"Wykorzystujemy fotopułapki m.in. do określania trendów w populacjach, na przykład do policzenia słoni leśnych. W normalnych warunkach to bardzo trudne zadanie, bo żyją one głęboko w lesie i są nieufne wobec ludzi. Przed erą fotopułapek wszelkie szacunki dotyczące ich liczebności były wykonywane na podstawie liczby odchodów, a dokładnie analizy ich gęstości i rozmieszczenia."
"Często wydaje się nam, że wszyscy na świecie mają takie laptopy jak my. Programiści w Europie czy Ameryce mogą stworzyć świetne narzędzie, które jednak będzie kompletnie niemożliwe do użycia na wiekowym laptopie, korzystającym z przestarzałego systemu operacyjnego. To, że nasza aplikacja działa również na starym sprzęcie, jest równie ważne jak zbudowanie dobrej sieci neuronowej."
Natalia Gorzelnik
ANPN Gabon; Wildlifeinsights.org i Kelly Boekee
103