Новое применение ИИ: точная оценка рыбных запасов

Впервые опубликованный алгоритм искусственного интеллекта (ИИ) позволяет исследователям быстро и точно оценивать запасы прибрежной рыбы, не погружаясь в воду. Этот прорыв может сэкономить миллионы долларов на ежегодных исследованиях и мониторинге, а также предоставить наименее развитым странам данные об устойчивости их рыбных запасов.

Понимание "рыбных запасов" — количества живой рыбы в водах региона — критически важно для оценки здоровья океанов. Особенно это касается прибрежных районов, где живут и работают 90% людей, занятых в рыболовной отрасли. В самых богатых странах ежегодно тратятся миллионы долларов на "оценку запасов" — дорогостоящие и трудоемкие мероприятия по подсчету рыбы с судов.

Эта высокая стоимость долгое время была барьером для тропических стран Африки и Азии, где проживает наибольший процент людей, зависящих от рыболовства как источника пищи и дохода. Мелкие рыбаки во многих странах работают вслепую, без реальных данных о количестве рыбы. Без данных прибрежные сообщества и правительства не могут создавать планы управления для поддержания здоровья и продуктивности океанов.

Благодаря развитию спутниковых данных и алгоритмов машинного обучения исследователи создали модель, которая успешно оценила запасы рыбы с точностью 85% в пилотном регионе Западной части Индийского океана. Этот инструмент может быстро и дешево предоставлять данные местным и национальным правительствам для принятия обоснованных решений о природных ресурсах.

"Наша цель — дать людям информацию, необходимую для понимания состояния их рыбных ресурсов... Долгосрочная цель — найти баланс между потребностями людей и здоровьем океана", — сказал Тим МакКланахан, директор по морской науке WCS.

"Этот инструмент может показать, как обстоят дела с запасами, и сколько времени потребуется для их восстановления... Он также может показать, сколько денег вы теряете или можете вернуть каждый год, управляя своим промыслом — и в Западной части Индийского океана это не менее 50–150 миллионов долларов ежегодно".

Исследователи использовали многолетние данные о численности рыбы в сочетании со спутниковыми измерениями и инструментом ИИ. Результат — простой в использовании пилотный инструмент для понимания и управления океанами.

При дальнейшем развитии любой пользователь из любой точки мира сможет ввести семь легко доступных параметров (например, расстояние от берега, температуру воды, продуктивность океана, существующее управление рыболовством, глубину) и получить точную оценку рыбных запасов для своих прибрежных экосистем.

"Ценность этой модели в том, что она сообщает менеджерам, ученым и, что важно, местным сообществам, насколько здоров промысел... Это дает информацию для разработки решений по улучшению запасов и повышению устойчивости местных сообществ", — отметил Саймон Криппс, исполнительный директор по морской охране WCS.

Алгоритм показал высокую точность для рыболовства на коралловых рифах в пилотном регионе. WCS в настоящее время ищет новые партнерства для масштабирования инструмента, чтобы восполнить критические пробелы в данных по всему миру.

Исследование опубликовано в журнале Marine Policy.