为了遏制非法捕捞，研究人员发布了一个新的开源 AI 模型，该模型可以准确识别世界上几乎所有的航海船只的行为，包括船只是否可能非法捕捞。
位于西雅图的 Ai2 (Allen Institute for AI) 最近发布了一个名为 Atlantes 的轻量级模型，用于分析全球近 600,000 艘远洋船每天发出的超过五亿个 GPS 信号。
该模型可以预测几乎任何船只在任何时候的状况，准确率约为 80%。
该模型集成到 Ai2 更大的海洋监测平台 Skylight 中，如果船只似乎正在钓鱼，则可以向海岸护卫队、巡逻船只或其他类似用户发出警报，以检查是否有非法活动。
今年年初，在 Skylight 提醒一艘在其专属经济区内非法捕捞的船只出现可疑行为后，阿根廷海岸护卫队拦截了该船只，并随后对其实施了罚款。
Atlantes 是一个基于 4.7M 参数 Transformer 的模型，在 NVIDIA H100 Tensor Core GPU 和 PyTorch 上进行训练。对于训练数据，从 2022 年 1 月到 2024 年 6 月，Ai2 团队使用了自动识别系统 (AIS) 信息，几乎所有船只都需要广播这些信息。为了帮助微调该模型并提高其识别船只活动的能力，Ai2 聘请了 20 名海洋专家来注释包含超过 15 万个位置相关信号的位置数据。
该模型在首次发现潜在的非法活动后大约 15 分钟内提醒当局。考虑到 71%的地球表面 (即 139 万平方英里) 被海洋覆盖，这种精度和敏捷性类似于常规地大规模地识别大海捞针。
Skylight 平台每天可以处理近 2 TB 的信息。这些数据包括射频、卫星信息—包括来自 NASA 和欧洲空间局的 Sentinel-2 的公开数据—以及至关重要的几乎每艘轮船广播的独特 AIS 位置数据。
Skylight 可在 web 上访问，也可作为一项基于 API 的服务，并免费提供给政府和保育人士。
解决非法、未报告和无管制（IUU）捕捞问题的风险很高，尤其是在较贫穷的国家。
根据金融透明联盟（FTC）的数据，非法、无管制和未报告的捕捞活动每年在全球造成高达 23 亿美元的渔业损失，约占全球捕捞量的 20%。
FTC 报告称，在从事 IUU 捕捞的所有船只中，近一半的船只在非洲水域作业，当地居民过度依赖捕鱼来工作，并且是他们的主要蛋白质来源。
Ai2 的 Skylight 项目负责人 Namrata Kolla 表示：“我们所做的工作旨在帮助资源不足的国家保护其水资源、自然资源和生计。”“AI 使执法机构能够跨越以往无法获得的能力，例如在大量数据集中识别重要行为。”
Ai2 对 Atlantes 的雄心壮志并未止步于水的边缘。
展望未来，Ai2 计划对 Atlantes 进行调整，并将其整合到另一个保护平台 EarthRanger 中。
EarthRanger 汇总来自各种来源的大量数据，包括卫星、地面摄像头陷阱、声学传感器以及配备追踪设备的动物——如大象、犀牛和野狗。
它为保护部门提供了覆盖在地图上（包括野生动物保护区和国家边界）的相关野生动物相关数据的鸟瞰图，并在识别到令人不安的活动时发出警报。
在不久的将来，Ai2 计划训练其 Atlantes 模型来预测大象的行为，以帮助减少人类与大象之间的冲突。
EarthRanger 的导演 Jes Lefcourt 指出，人类与野生动物的冲突现在是大象面临的最大威胁之一。偷猎者仍然以大象为目标，以保护他们的牙齿。但每年都有越来越多的大象死于与农民争夺农作物的冲突。
通过在全球保护领域的十年工作，Ai2 与合作伙伴合作收集了世界上最大的大象运动数据集。如今，它持续追踪成千上万头戴追踪设备的大象。由于大象通常以成群方式移动，因此这些数据约占全球大象数量的三分之一。
“我们将使用所有这些大象运动数据，结合人类与野生动物冲突发生地点的历史数据，并训练模型来回答：‘导致人类野生动物冲突事件的大象运动是什么样子的？’”Lefcourt 说。
借助这些精确的大象数据，环保人士和地方当局可以与农民和社区合作，在大象与人类接触之前拦截它们。
Lefcourt 说：“令人惊讶的是，用于对渔船进行分类的基础设施与我们用于预测大象行为并试图帮助挽救大象生命的基础设施相同。”
详细了解 Skylight 和 Atlantes transformer 模型，并查看有关 EarthRanger 的实时警报的其他信息。
