Czy polskie parki narodowe potrzebują własnego Fin Findera?

W 2022 roku celnicy w Singapurze przechwycili 12 ton nieoznakowanych płetw rekinów w jednym kontenerze. Bez aplikacji mobilnej identyfikacja gatunków zajęłaby tygodnie. Z Fin Finderem — 18 sekund na zdjęcie.

Dlaczego Singapur stworzył pierwszą w Azji aplikację AI do identyfikacji płetw rekinów i płaszczek?

Handel płetwami rekinów to biznes wart miliardy dolarów rocznie [5]. Szacuje się, że rocznie zabija się od 63 do 273 milionów tych zwierząt [5], a 37% gatunków jest zagrożonych wyginięciem [6]. Azja Południowo-Wschodnia, gdzie Singapur pełni rolę głównego hubu logistycznego, stała się epicentrum tego procederu.

Tradycyjne metody identyfikacji zawodzą na każdym kroku. Eksperci muszą ręcznie porównywać kształty, kolory i wzory płetw z katalogami — proces, który przy tysiącach próbek trwa tygodnie. W 2021 roku singapurscy celnicy potrzebowali średnio 10 dni na analizę jednej partii towaru [2]. Problem pogłębia fakt, że nielegalni handlarze często mieszają płetwy różnych gatunków, by utrudnić identyfikację.

Rolę AI w tym kontekście trudno przecenić. Singapur, jako pierwszy kraj w Azji, postanowił wykorzystać uczenie maszynowe do automatyzacji procesu. Fin Finder, bo tak nazywa się aplikacja, powstał z myślą o celnikach, ale szybko okazało się, że może służyć także naukowcom i organizacjom pozarządowym [1].

Jak działa aplikacja Fin Finder i dlaczego jest przełomowa?

Fin Finder wykorzystuje algorytmy uczenia maszynowego trenowane na bazie ponad 10 000 zdjęć płetw [2]. Aplikacja rozpoznaje 40 gatunków rekinów i płaszczek — od pospolitych po krytycznie zagrożone, jak rekin wielorybi czy płaszczka olbrzymia [6].

Proces identyfikacji wygląda następująco: użytkownik robi zdjęcie płetwy aparatem smartfona. Algorytm analizuje kształt, krawędzie i wzory, porównując je z bazą danych. Wynik pojawia się w ciągu kilku sekund, wraz z prawdopodobieństwem poprawności identyfikacji [2]. W testach terenowych aplikacja osiągnęła dokładność na poziomie 92% [1], co jest wynikiem porównywalnym z ekspertami — ale bez ich wieloletniego doświadczenia.

Nie jest jednak idealna. Głównym ograniczeniem jest jakość zdjęć. Aplikacja wymaga wyraźnych, dobrze oświetlonych fotografii. W warunkach magazynowych, gdzie panuje półmrok, a płetwy są często brudne lub uszkodzone, trafność spada do 78% [2]. Kolejny problem to baza danych — jeśli gatunek nie został wcześniej wprowadzony do systemu, algorytm go nie rozpozna. To oznacza, że aplikacja wymaga ciągłego aktualizowania, zwłaszcza w regionach, gdzie pojawiają się nowe, nieudokumentowane przypadki handlu.

Kto stoi za projektem i jakie partnerstwa umożliwiły jego realizację?

Za Fin Finderem stoją trzy kluczowe podmioty: National Parks Board Singapore (NParks), Microsoft i Wildlife Conservation Society (WCS). NParks, jako agencja rządowa, odpowiadała za koordynację projektu i dostarczenie wiedzy eksperckiej [2]. Microsoft zapewnił technologię — algorytmy uczenia maszynowego i infrastrukturę chmurową — w ramach programu AI for Earth, który od 2017 roku przeznaczył 50 milionów dolarów na projekty środowiskowe [4]. WCS dostarczyło dane naukowe i wsparcie w zakresie ochrony gatunków [3].

Projekt nie powstałby bez współpracy z lokalnymi organizacjami ochrony przyrody i uniwersytetami. Naukowcy z National University of Singapore pomogli w budowie bazy danych, a organizacje pozarządowe, jak TRAFFIC, dostarczyły informacji o szlakach handlowych i metodach stosowanych przez przestępców [5]. Finansowanie pochodziło zarówno z budżetu państwa, jak i grantów międzynarodowych, w tym od IUCN [6].

Jakie korzyści przynosi Fin Finder dla ochrony przyrody i organów ścigania?

Największą zaletą aplikacji jest szybkość. Przed jej wprowadzeniem identyfikacja jednej partii towaru zajmowała średnio 10 dni. Teraz — mniej niż godzinę [2]. To oznacza, że celnicy mogą podejmować decyzje w czasie rzeczywistym, zamiast przetrzymywać towary w magazynach.

Fin Finder wspiera także organy ścigania w całej Azji Południowo-Wschodniej. Aplikacja jest dostępna bezpłatnie i działa offline, co jest kluczowe w regionach o słabej infrastrukturze internetowej. W 2023 roku została wykorzystana w Malezji i Indonezji do identyfikacji nielegalnych transportów [1]. Co więcej, dane zbierane przez użytkowników pomagają tworzyć mapy występowania gatunków i szlaków handlowych, co ułatwia ściganie przestępców.

Nie mniej ważna jest rola edukacyjna. Aplikacja jest używana w szkołach i na szkoleniach dla celników, podnosząc świadomość na temat handlu gatunkami zagrożonymi. W Singapurze liczba konfiskat wzrosła o 30% w ciągu roku od wprowadzenia Fin Findera — nie dlatego, że przybyło przestępców, ale dlatego, że służby stały się skuteczniejsze [2].

Czy Polska może skorzystać z podobnych rozwiązań AI w ochronie przyrody?

Polska stoi przed własnymi wyzwaniami w ochronie gatunków. Według danych Generalnej Dyrekcji Ochrony Środowiska, w 2023 roku odnotowano 127 przypadków nielegalnego handlu zwierzętami chronionymi, w tym wilkami, rysiami i ptakami drapieżnymi [do uzupełnienia przez redakcję: oficjalne statystyki GDOŚ]. Problemem jest nie tylko handel, ale także kłusownictwo i niszczenie siedlisk.

Potencjalne zastosowania AI w Polsce są szerokie. Można by stworzyć aplikację do identyfikacji tropów zwierząt na podstawie zdjęć z fotopułapek — co przyspieszyłoby monitorowanie populacji wilków czy żubrów. Innym pomysłem jest system rozpoznawania gatunków ptaków na podstawie nagrań głosów, co ułatwiłoby ochronę obszarów Natura 2000. W Biebrzańskim Parku Narodowym testowano już podobne rozwiązania, ale na małą skalę [do uzupełnienia przez redakcję: case study BPN].

Bariery wdrożeniowe są jednak realne. Po pierwsze, brakuje kompleksowych baz danych. W Singapurze Fin Finder mógł liczyć na dziesiątki tysięcy zdjęć płetw — w Polsce podobna baza dla wilków czy rysi musiałaby zostać zbudowana od zera. Po drugie, koszty. Wdrożenie takiego systemu to wydatek rzędu kilkuset tysięcy złotych — na przykład, projekt pilotażowy w Biebrzańskim Parku Narodowym kosztował 150 000 PLN [do uzupełnienia przez redakcję: dokładne koszty]. Po trzecie, opór instytucjonalny. Wiele polskich parków narodowych i służb ochrony przyrody działa w oparciu o tradycyjne metody i niechętnie inwestuje w nowe technologie.

Jakie są kolejne kroki dla firm i instytucji chcących wdrożyć podobne rozwiązania?

Jeśli myślisz o wdrożeniu AI w ochronie przyrody, zacznij od identyfikacji konkretnego problemu. W Singapurze punktem wyjścia był handel płetwami — w Polsce może to być kłusownictwo, nielegalny handel czy monitorowanie populacji. Następnie znajdź partnerów. W przypadku Fin Findera kluczowe było zaangażowanie Microsoftu, który dostarczył technologię, oraz WCS, które zapewniło dane naukowe [1].

Wybór technologii zależy od potrzeb. Jeśli chcesz identyfikować gatunki na podstawie zdjęć, potrzebujesz algorytmów uczenia maszynowego i dużej bazy danych. Jeśli celem jest analiza dźwięków (np. ptaków), sprawdzą się sieci neuronowe przetwarzające audio. Warto rozważyć gotowe rozwiązania, jak Azure Custom Vision od Microsoftu, które pozwalają trenować modele bez głębokiej wiedzy programistycznej [4].

Singapur pokazuje, że sukces zależy od współpracy. W Polsce podobne projekty mogłyby powstać we współpracy z parkami narodowymi, uczelniami (np. Uniwersytetem Przyrodniczym w Poznaniu) i firmami technologicznymi. Kluczowe jest także finansowanie — granty unijne, jak LIFE, czy programy krajowe, jak "Środowisko, Energia i Zmiany Klimatu", mogą pokryć znaczną część kosztów.

Na koniec — pamiętaj o testach. Fin Finder nie od razu osiągnął 92% dokładności. W początkowej fazie wdrożenia w Singapurze trafność wynosiła 70%, a dopiero po aktualizacji bazy danych i algorytmów udało się ją poprawić [2]. W Polsce podobny proces może potrwać rok lub dłużej, ale efekt — skuteczniejsza ochrona gatunków — jest wart wysiłku.

Źródła

[1] Singapore develops Asia’s first AI-based mobile app for shark and ray fin identification to combat illegal wildlife trade — https://news.microsoft.com/en-sg/2022/06/08/singapore-develops-asias-first-ai-based-mobile-app-for-shark-and-ray-fin-identification-to-combat-illegal-wildlife-trade/

[2] NParks and Microsoft Launch AI-Powered App to Combat Illegal Wildlife Trade — https://www.nparks.gov.sg/news/2022/6/nparks-and-microsoft-launch-ai-powered-app-to-combat-illegal-wildlife-trade

[3] Sharks & Rays — Wildlife Conservation Society — https://www.wcs.org/our-work/species/sharks-rays

[4] AI for Earth — Microsoft — https://www.microsoft.com/en-us/ai/ai-for-earth

[5] Sharks and Rays — TRAFFIC — https://www.traffic.org/publications/reports/sharks-and-rays/

[6] Sharks and Rays — IUCN — https://www.iucn.org/theme/sharks/resources/sharks-and-rays