人工智能追捕偷猎者

━━━ ━━━

每年，偷猎者会猎杀大约2.7万头非洲大象，这一数字令人震惊，相当于非洲象总数的8%。如果按照目前的趋势发展下去，这些庞大的动物可能会在10年内消失。

当然，最好的解决办法就是在偷猎者行动之前阻止他们，但是究竟该如何去做，一直困扰着当局。在野生动植物保护区内，大象和其他濒危动物可能会随处游荡，而巡逻员一次只能巡视一小片区域。洛杉矶南加州大学的计算机科学家米林德•坦布尔（Milind Tambe）解释说：“这个问题包括两个方面：

你能否预测偷猎发生的地点？以及你能否让巡逻员的行动变得不可预测，从而让偷猎者无法知道他们正在靠近？”

为了解决这两个方面的问题，坦布尔和他的团队创建了一个名为PAWS的人工智能系统，PAWS是野生动物安全保护助手（ProtectionAssistant for Wildlife Security）的英文缩写。机器学习算法使用以前的巡逻数据来预测未来可能发生偷猎的地点。博弈论模型则有助于产生随机的、不可预知的巡逻路线。该系统已在乌干达和马来西亚进行了实地测试，效果良好，并且2018年将会推广到中国和柬埔寨。此外，坦布尔说，PAWS系统可以很快整合到现有的追踪工具SMART中，野生动物保护机构已经在全球大部分地点部署了SMART来收集和管理巡逻数据。

乌干达伊丽莎白女王国家公园的野生动物保护协会，在园区中进行了为期1个月的测试，巡逻队巡逻了他们很少去、但PAWS预测偷猎可能性很高的两个地方。而令巡逻队员惊奇的是，他们在那里发现了许多动物陷阱和其他非法活动的迹象。随后，为期8个月的测试覆盖了整个公园。并且，巡逻队也再一次验证了模型预测的准确性：在预测的高概率地区，他们发现的偷猎数量大概是低概率地区的10倍。乌干达默奇森瀑布国家公园正在进行一项新的测试，检验PAWS在不同工作地点是否可以同样出色发挥。

国际野生生物保护学会非洲项目的科学主任安德鲁•普卢普迪（AndrewPlumptre）与坦布尔的团队合作，在乌干达进行实地研究。他说，在正常的巡逻中，护林员使用名为Cybertracker的智能手机应用程序录入他们所看到的数据，然后将这些数据上传到SMART，大约每月1次。普卢普迪说：“你可以绘制出巡逻队的搜寻地图，他们在哪些地方发现了动物陷阱，或者大象的尸体，或者其他任何东西。但是这一做法具有不主动性，仅靠巡逻队不足以阻止偷猎。”他希望PAWS的预测能力能让这些巡逻行动尽可能有效并高效。

PAWS系统脱胎于坦布尔和他的学生在10多年前就开始从事的港口、机场及航线安全方面的实际工作。美国海岸警卫队、运输安全管理局和洛杉矶警局都部署了由坦布尔团队开发的人工智能系统。在加利福尼亚州威尼斯市，他参与创建了AvataIntelligence公司，推动这项研究的商业化。

大概在六七年前，坦布尔在世界银行的一次会议上听到了一场关于老虎濒临灭绝的演讲，目前野外只生存着不到4000只老虎。“我想我以前听说过这样的事情，但那时我并未理解这个问题的严重性。当时，我突然意识到人工智能是有潜力帮助解决这一问题的。”坦布尔说道。很快他就与保护组织联系上了。

方菲曾经是坦布尔的学生之一，她现在是卡内基梅隆大学的助理教授，在研究PAWS系统之前，曾从事纽约市斯塔滕岛渡轮的海岸警卫安保系统的研究。她指出，这两种情景是十分相似的。“一面是防守者，即野生动物巡逻员或是海岸警卫队；另一面是攻击者，即偷猎者或是恐怖分子。而他们之间的互动方式正是你所试图预测的。”

对于PAWS团队来说，实地测试让他们认识到了野外巡查的一个重要现实：世界不是平的。方菲说，团队刚来到马来西亚开始工作的时候，没有考虑到这里密林多山的地形。她回忆说：“在我们的第一个模型中，我们拿了一张地图，把整个地区划分成网格单元，在网格上画了一条线，并且说：‘巡逻员请按照这条线路进行巡逻。’我们用Skype跟他们通话，他们告诉我们：‘不不不，这行不通。’而我们却不明白为什么。”

当PAWS小组实地考察了马来西亚的保护区时，他们才明白为什么行不通。方菲说：“我们和巡逻员一起走了这条路线，花了8个小时才走了几英里。”PAWS随后的改进考虑到了易于行走的地理特征，如山脊线、河床和旧的伐木线。“我们为保护区建立了一个虚拟的街道地图，然后根据地图绘制路线图。”巡逻人员沿着新路线，发现了“各种各样的动物和人类活动的迹象”。

━━━ ━━━

方菲与世界自然基金会一起，在中国东北进行为期3个月的PAWS实地试验，该地最受关注的动物是西伯利亚虎。方菲说，他们正在进行一项改进研究，从而帮助巡逻员在巡逻时做出决定。她说：“巡逻员可能会观察一些预示着偷猎者前进方向的足迹和树木上的标记。他们需要决定：是否应该追捕偷猎者？如果看到新的信息，改变计划的最佳策略又是什么？”