Новые методы ИИ для борьбы с незаконной торговлей дикими животными в интернете

Учёные применили модели машинного зрения и смогли определить по контексту изображения, связано ли оно с продажей живого животного. Эти методы позволяют помечать публикации, которые могут незаконно продавать животных.

Незаконная торговля дикими животными оценивается как многомиллиардная индустрия, в которой глобально торгуют сотнями видов. Значительная доля этой торговли теперь использует онлайн-площадки для рекламы и продажи живых животных или продуктов животного происхождения, так как это позволяет охватить больше покупателей. Поскольку торговля происходит по всему интернету, вручную просматривать тысячи публикаций крайне сложно, и необходимы методы автоматизированной фильтрации.

По сравнению с использованием компьютерного зрения для идентификации видов по изображениям, выявление изображений, связанных с незаконной торговлей, затруднено необходимостью определить контекст, в котором представлены виды.

В новой статье, опубликованной в Biological Conservation, учёные из Хельсинкской лаборатории междисциплинарной науки о сохранении видов (Хельсинкский университет) заполнили этот пробел и разработали автоматизированный алгоритм с использованием машинного обучения для идентификации такого контента в цифровом пространстве.

«Впервые модели машинного зрения были применены для определения контекста изображения с целью выявления продажи живого животного. Когда продавец рекламирует животное для продажи, объявление часто сопровождается изображением животного в неволе. Это отличается от изображений, сделанных в дикой природе, например, фотографии животного, сделанной туристом в национальном парке. Используя технику под названием визуализация признаков, мы показали, что наши модели могут учитывать как присутствие животного на изображении, так и окружающую его среду. Таким образом, это позволяет помечать публикации, которые могут незаконно продавать животных», — говорит ведущий автор исследования доктор Ритвик Кулкарни.

В рамках исследования учёные обучили 24 различные модели нейронных сетей на новом наборе данных при различных экспериментальных условиях. Лучшие модели достигли очень высокой точности и хорошо различали естественный и неволевый контексты. Ещё одной интересной особенностью исследования является то, что модели также были протестированы и хорошо показали себя на данных, полученных из источника, не связанного с обучающими данными, что демонстрирует их способность эффективно работать с другим контентом в интернете.

«Эти методы меняют правила игры в нашей работе, направленной на улучшение автоматизированного выявления контента, связанного с незаконной торговлей дикими животными, из цифровых источников. Сейчас мы масштабируем эту работу, чтобы включить больше таксономических групп помимо млекопитающих, и разрабатываем новые модели, способные одновременно анализировать изображения и текстовый контент», — говорит доцент Энрико Ди Минин, соавтор исследования и руководитель Хельсинкской лаборатории междисциплинарной науки о сохранении видов.