Защита исчезающих морских видов Тихого океана с помощью искусственного интеллекта

Пелагические воды покрывают более 50% поверхности планеты, и многие виды, обитающие в них, преодолевают тысячи миль в год в поисках пищи и подходящих мест для размножения. Некоторые из этих видов попадают в ваше любимое суши (например, большеглазый тунец), а другие находятся под наибольшей угрозой исчезновения на планете (например, кожистые морские черепахи). Задача поймать один вид, не вылавливая другой, заставила коммерческих рыбаков, ученых и управляющих рыболовством разработать инновационные решения.

«За последние несколько десятилетий мы наблюдаем значительные улучшения в сокращении прилова, — говорит Т. Тодд Джонс, директор отдела исследований и мониторинга рыболовства в Тихоокеанском научном центре рыболовства NOAA. — Например, благодаря усовершенствованию снастей мы видим сокращение прилова исчезающих морских черепах на 60–90%. Цель — улучшить этот результат».

Недавние усилия исследователей UF/IFAS направлены именно на это, пытаясь провести воображаемые границы в обширном открытом океане — казалось бы, невыполнимая задача. Но с помощью искусственного интеллекта ученые добиваются прогресса в защите исчезающих видов, которые не должны быть выловлены.

Основываясь на своем опыте моделирования распределения видов, полученном во время докторантуры, Закари Сайдерс, доцент-исследователь UF/IFAS, разработал новое приложение на базе ИИ. Оно оценивает местоположение исчезающих видов в районах промысла. Эта информация помогает коммерческим рыбакам избегать этих районов, а также позволяет управляющим рассмотреть возможность стимулирования такого избегания через регулирование.

Коммерческое рыболовство в федеральных водах и открытом море регулируется в рамках сотрудничества между NOAA и региональным советом по управлению рыболовством. Строгие правила определяют допустимый уровень прилова — случайного вылова непромысловых животных.

Для коммерческого пелагического ярусного промысла, базирующегося на Гавайях, основными целевыми видами являются большеглазый тунец и рыба-меч. Однако иногда случайно вылавливаются и исчезающие виды. Для этих популяций каждая особь может иметь значение для выживания.

«Ловля нашей собственной рыбы означает, что мы лучше контролируем цепочку поставок, можем предъявлять к нашим промыслам более высокие стандарты, управлять ими устойчиво и, как правило, получать лучший продукт на полке, — говорит Сайдерс. — Одна из самых больших проблем, стоящих перед пелагическим рыболовством на Гавайях, — это баланс между выловом, достаточным для продолжения работы и прибыльности, и предотвращением взаимодействия с охраняемыми видами. Независимо от того, любите ли вы морепродукты или морских черепах, китов, дельфинов и акул, поиск инновационных способов устойчивого управления океаническим рыболовством необходим для его продолжения и снижения воздействия на охраняемые виды».

Редкость прилова исчезающих видов создала сложную задачу для использования существующих алгоритмов машинного обучения (типа ИИ), которые традиционно полагаются на большие данные для точного прогнозирования предпочитаемых этими животными районов океана. В то время как ученым и рыбакам известны тысячи мест, где исчезающие виды не вылавливались, лишь несколько сотен случаев содержат информацию о том, какие места обитания предпочитают исчезающие виды.

Исследователи UF/IFAS использовали ансамблевый подход, объединяя прогнозы множества моделей ИИ, чтобы максимально использовать немногочисленные случаи прилова исчезающих видов. Разработка и тестирование этого ансамблевого подхода ИИ были опубликованы в журнале Endangered Species Research в конце 2020 года.

«Этот проект предоставляет инструмент для информирования об экосистемном управлении рыболовством для гавайского ярусного промысла, который производит более 80% большеглазого тунца, выловленного в США, и около половины американской рыбы-меч», — говорит Асука Ишидзаки, координатор по охраняемым видам Западно-Тихоокеанского регионального совета по управлению рыболовством, одного из основных партнеров, финансирующих проект.

«Эта работа помогает сделать рыболовство более эффективным, — говорит Джонс. — Меньшее время в море, меньшее время с крючками в воде и меньшее общее количество крючков в воде положительно сказываются на окружающей среде, включая углеродный след. Это успех для всех».

Применение модели ИИ UF/IFAS предоставило ценную информацию, которая направляет усилия по сохранению и управлению для нескольких видов, занесенных в Закон об исчезающих видах. К ним относятся кожистые морские черепахи, гигантские манты, океанические белоперые акулы, а также такие виды, как полосатый марлин, в отношении которых ведется перелов.

Недавно исследователи NOAA и UF/IFAS применили подход ИИ для определения предпочтений в среде обитания редких и скрытных видов клюворылых китов на Марианских островах; результаты опубликованы в Frontiers in Marine Science.

«Одна из уникальных сторон сотрудничества заключается в том, что UF/IFAS продвигает науку о рыболовстве в будущее, а NOAA располагает данными и вопросами, на которые нужно ответить, — говорит Джонс. — Объединение наших больших наборов данных и нашего понимания проблем управления рыболовством с навыками моделирования и количественного анализа UF/IFAS — вот где происходит волшебство. Ни одна из сторон не смогла бы сделать это в одиночку».

«Этот проект начался с одного первоначального вопроса и вырос экспоненциально, — говорит Джонс. — Он начался из-за озабоченности Совета по рыболовству состоянием морских черепах в глубоководном промысле после роста уровня вылова. Прошло три года, и у нас появился много видовой экосистемный подход к управлению рыболовством, рассматривающий улучшение ситуации как с целевым, так и с приловом».

Недавно сотрудничество между UF/IFAS и NOAA было продлено на несколько лет с финансированием исследований до 2025 года. Следующий этап сотрудничества будет направлен на получение информации о будущем популяций исчезающих видов.

«Если бы мы могли объединить все имеющиеся у нас данные в одной платформе, это дало бы золотой стандарт для оценки того, насколько хорошо мы управляем исчезающими видами и каково воздействие на их популяции», — говорит Сайдерс.

Сайдерс отмечает, что этот опыт вдохновил его на поиск ответов на исследовательские вопросы, которые «сдвигают стрелку». Даже если это иногда означает выявление того, что не работает.

«ИИ — не панацея от всех наших проблем, — говорит он. — Мы должны помнить, что решения, которые мы позволяем принимать системе ИИ, имеют реальные последствия как для средств к существованию в рыбной отрасли, так и для незаменимых видов».