KI’s voksende rolle i bekjempelse av skogødeleggelse

Skogødeleggelse har vært et pågående problem i tiår. Selv om teknologien har fremmet, har forbytere hatt overtaket fordi det finnes for mye land å dekke — til nå. Kan kunstig intelligens være nøkkelen til å sette en stopper for ulovlig skogødeleggelse? Begge dens potensiale og virkelige bruksområder viser løfter.

1. Identifisere optimale gjenplantingsområder

Selv om skogødeleggelseratene varierer, taper mer trær hvert år. Det økte med 4% fra 2021 til 2022, og det ble tapt over 6,6 million hektar skog. Selv om alle ulovlige hogst-, gruve- og jordbruksoperasjoner opphører i dag, vil disse kritiske miljøene fortsatt være i en ulempe.

Hvis denne trenden fortsetter ubrent, vil verden se en økning i temperaturer, dyreliv flykter og lokale økosystemer svekkes. En ubrekkelig død prosess utløses på dette punktet, noe som betyr at sunne trærnes tilstand gradvis forverres. Dette vil føre til en dominoeffekt hvor millioner flere hektar skog går tapt, til tross for at det ikke er noen menneskeskapt skogødeleggelse.

Med KI kan aktivister og lokale myndigheter akselerere gjenplanting, og hjelpe skoger til å returnere til hvordan de var før menneskelig inngripen. Modellen kan peke ut områder hvor gjenplanting ville være mest effektiv. Den kan også identifisere raskt voksende, innfødt trær som er resistente mot skadedyr og tørke. Når plantene er plantet, kan den overvåke veksten i sanntid.

2. Analyse satellittbilder for skogtap

I tiår har analysen av satellittbilder vært en av de få måtene å identifisere skogødeleggelse i aksjon, bortsett fra de mindre effektive strategiene med mundtlige rapporter eller mennesker på bakken. Imidlertid finnes det over 3 billioner trær på planeten, og det er mye land å dekke. Mens det er umulig å gå gjennom disse bildene manuelt, missar tradisjonell programvare kritiske detaljer.

KI-drevet bildegenkjenningsteknologi kan detektere tidlige indikatorer på skogtap, inkludert nye veier, røyk og nye åpninger. Den kan rapportere noen positive treff til en menneske i sanntid, og muliggjøre at de kan se over og rapportere til lokale myndigheter. Lag kan sogar bruke KI-drevne droner for nærbilder fra luften.

3. Skille mellom lovlige og ulovlige operasjoner

Noen ganger er skogødeleggelse lovlige. Lokale myndigheter godkjenner disse operasjonene så bedrifter kan fortsette å drive forretning. Imidlertid bidrar jordbruksutvidelse til nesten 50% av skogødeleggelse verden over, tett fulgt av husdyrbeite på 38,5%. Med satellittbilder alene er det komplisert å skille mellom lovlige, semilovlige og ulovlige skogødeleggelser. KI fyller gapene ved å analysere fargen, teksturen og utstrekningen av trær, og eliminerer gjettingen.

4. Analyse lyder som signaliserer skogødeleggelse

Hva høres skogødeleggelse ut som? Motorens lyd fra motorsager, fallende logger, brølende gravemaskiner, stresset dyreliv og brennende busker. Dessverre er en enkelt ku årsak til opptil 264 kg metan årlig — en hel flokk ville være merkbare.

KI-aktiverte Internet of Things (IoT) overvåkningssystemer drevet av miniature solceller for akustisk overvåking kan plasseres nesten hvor som helst, så de kan fange opp disse lydene. I tillegg kan de identifisere potensiell menneskelig inngripen før hogst begynner.

5. Spore ulovlige operasjoner til kilde

Bureau of Investigative Journalism oppdaget nylig at kjøtt fra bønder kom inn i globale forsyningskjeder — inkludert de som forser to av verdens største kjøttprodusenter — etter at de ble anklaget for ulovlig skogødeleggelse og deretter straffet. Til tross for embargoer, fortsatte forretningene som vanlig. Noen fortsatte å hogge skog.

Ulovlig skogødeleggelse drives ofte av lokale sagbruk, raffinerier og gårder. Uansett om arbeidere ønsker å utvide jordbruksarealet, selge flere produkter eller mate flokken billig, bidrar de til betydelig skogtap. Uheldigvis er det vanskelig å spore disse aktivitetene tilbake til kilde. Det er, med mindre mennesker bruker KI.

KI kan spore tungt maskineri når det flytter seg fra nylig skapte åpninger tilbake til base-stasjonen, og hjelpe etterforskere å snevre søket. Alternativt kan den bruke ansiktsgjenkjenningsteknologi til å avdekke identiteten til de involverte. Dette hjelper lokale myndigheter å identifisere gjentakende forbytere, og reduserer gapet mellom å tildele og å håndheve straff.

6. Analyse uarkiverte legacy-data

Selv om data om skogødeleggelse strekker seg tilbake tiår, er mye av det fortsatt utilgjengelig. Dette er fordi det kun er tilgjengelig via uarkiverte, fysiske kilder som feltnotater, kassettbånd, skrevne korrespondanser og bevarte biologiske prøver. Denne bevisen finnes i siloer, skjult fra tradisjonelle verktøy som skraper online-resurser.

Med KI-bildegenkjenning, språkdetteksjon og automatisk transkripsjon kan forskere endelig sikre disse verdifulle innsiktene. Dette muliggjør at de kan identifisere skogtapsdrivere og avsløre gjentakende forbytere. Avanserte modeller kan vurdere kontekst, og opprettholde nøyaktighet selv om lovbruddende enheter endrer navn eller lokale grenser endres.

7. Aktivt inngripen

Selv om satellittbildeforståelsen har forbedret seg i tiår — fagfolk kan nå peke ut skogødeleggelse med ubestridt nøyaktighet — er denne strategien fortsatt reaktiv. Skogtap skjer fortsatt selv om de griper inn umiddelbart etter å ha mottatt en varsling. Med KI kan de endelig oppnå aktivt inngripen, og identifisere områder som er i fare før hogst begynner.

KI kan analysere faktorer som lokale topografi, avstand fra veier og industrialiseringsrater for å bestemme hvilke områder som er mest utsatt. Den kan også vurdere komplekse elementer som den geopolitiske klima eller den globale tømmermarkedet. Slike verktøy er ikke lenger hypotetiske — ett felles forskningsteam har utviklet det.

Forskere ved World Wildlife Fund samarbeidet med datavitenskapsmenn for å utvikle en KI kalt Forest Foresight. Den kan forutsi skogtap opptil seks måneder i forveien med opp til 80% nøyaktighet. Når den gjenkjenner potensielle ulovlige operasjoner, kan den varsle lokale myndigheter og stoppe skogødeleggelse før det begynner.

8. Bruke sensorer for å identifisere ulovlig aktivitet

Uansett om ulovlige skogødeleggelser operasjoner bruker tungt maskineri for å hogge trær, flytte husdyr inn i beskyttede områder eller starte branner for å rydde land, produserer deres handlinger noen form for utslipp. For eksempel produserer en enkelt ku opptil 264 kg metan årlig — en hel flokk ville være merkbare.

KI-aktiverede IoT-sensorer plassert i høyrisk-skoger kan spore metan, karbonmonoksid og karbondioksid-utslipp. Hvis de plutselig øker, kan lag undersøke videre. Dette tilnærmingen kan være unikt effektiv fordi modellen kan vurdere kontekst, og muliggjøre at etterforskere kan filtere ut feilpositive og gjøre undersøkelser lettere.

9. Tilby en anonym tipstjeneste

I fortiden baserte aktivister og myndigheter seg hovedsakelig på mundtlige rapporter for å avdekke ulovlige hogstoperasjoner. Mens de har flyttet seg vekk fra denne tilnærmingen siden satellittbilder ble tilgjengelige, er det likeverdig nyttig. Hvis de skulle utnytte KI-drevne chatboter i berørte områder, kunne de motta nyttige anonyme tips om potensielt skogtap.

Å deployere KI for dette bruksområdet er ideelt fordi en enkelt modell kan holde flere — hvis ikke hundre eller tusen — samtaler på en gang. De som interagerer med den trenger ikke å vente på åpningstid eller bli satt på vent, og det motiverer dem til å sende en melding. Denne teknologien kan også analysere semantikk, trekke ut nøkkelord og sammenfatte rapporter for deres menneskelige motparter.

Kan KI sette en stopper for skogødeleggelse en gang for alle?

Sannheten er at KI ikke er en sølvkule. Den kan gjøre allt legearbeidet, men det finnes mange andre bevegelige deler. Å stoppe skogødeleggelse krever innkjøp fra lokale politikere, samarbeid mellom etterforskningsgrupper og offentlig tilgjengelige ressurser. Likevel kan denne teknologien fortsatt være en game-changer, og redusere skogtapsrater til nivåer som aldri tidligere er sett.