人工智能帮助打击盗猎者

盗猎者每天大约会杀害96头非洲大象。而生态环保人士发出警告，认为如果不扭转局势，这种标志性的动物可能在未来几十年就惨遭灭绝。但现在，科学家希望通过一种新的人工智能（AI）工具为野生动物保护者赢得优势，更有力地打击盗猎者。

PAWS（野生动物安全助理）是一种新开发的人工智能，它收集以往的盗猎活动数据，基于盗猎发生的可能性输出巡逻路线。这些路线会经过随机排列，防止盗猎者了解巡逻模式。PAWS利用人工智能的分支，即机器学习，随着收集的数据增加，它会不断产生新的洞见。

Milind Tambe是美国南加利福尼亚州大学计算机科学教授，在参加一次全球保护老虎倡议大会时了解到老虎和大象等动物面临着灭绝危险之后，他开始设计打击盗猎的人工智能解决方案。

2013年，Tambe组织了一群博士生研发出了PAWS。PAWS的核心算法基于安全博弈——保卫者将这种博弈论用于优化有限资源、预防袭击。Tambe利用安全博弈理论设计了国土安全部、美国交通安全管理局、美国海岸警卫队使用的算法，帮助他们预测警员和监控系统等资源的最佳分配方式，以打击走私和恐怖主义。

PAWS博士小组成员之一Fei Fang曾就安全博弈在预防野生动物犯罪中的作用撰写论文。Fang还为这个领域创造了“绿色安全博弈”这个概念，PAWS是绿色安全博弈理论在现实世界中的第一个应用成果。

Tambe与乌干达野生动物保护局在伊丽莎白女王国家公园展开合作。乌干达野生动物保护局已在此收集了14年的盗猎活动数据，他们的数据库包括超过12.5万条有关动物瞄准、诱捕、动物遗体和其他盗猎信号的观测结果，并且均包含GPS坐标。Tambe带领学生运用这些数据打造出首个PAWS版本，用于实验部署。

在乌干达成功测试后，PAWS于2014年被带到马来西亚进行更大规模的测试。在马来西亚，Tambe团队很快了解到，他们需要考虑当地起伏不平的地形。在首轮巡逻中，他们安排了一些骑警巡逻地形陡峭的路线。

经此安排，PAWS在每公里路线上发现的动物和人类活动信号超过了以往的巡逻。Fang和其他团队成员根据实地经验进一步优化了程序。

Fang表示：“我们从一手经验中总结。我们必须了解巡逻队的工作方式。”在一份公开发表的论文中，Fang及其他人指出，之前的巡逻队表现并不是理想的对比对象，但数据结果表明“PAWS可以引导巡逻员发现盗猎活动热点区域，为巡逻规划者提供宝贵建议。”

目前尚未因为PAWS的使用而成功逮捕捕猎罪犯，但由于该团队已经计划在2016年将PAWS带回伊丽莎白女王国家公园，扩大部署规模，进行为期三个月的试验，所以届时可能会取得新的成果。

和其他旨在替代人工的人工智能技术不同的是，PAWS是一款供骑警使用的工具。Tambe表示，虽然PAWS可以考虑所有数据，让巡逻真正随机化，但人脑更擅长于进行其他分析和追踪线索。他表示：“我们就要结合人工智能和人类智能来打击犯罪。

乌干达野生动物保护局已经体验过如何利用先进技术深入了解盗猎者。例如一个名为SMART的策略，即空间监测和报告工具。据国际野生生物保护学会（Wildlife Conservation Society）Albertine Rift计划主任Andy Plumtre解释，SMART是一个数据库，其中包含来自每次巡逻的观测结果，并带有GPS数据，帮助乌干达野生动物保护局了解全局情况，。

据称，在SMART程序的帮助下，乌干达的大象数量从2005年的2497头增长至2014年的5739头。Plumtre表示：“乌干达成功控制了盗猎活动，为我们提供了成功典范。”他还说，PAWS将提供更多分析和更多计算机生成的路线，进一步建设乌干达的防盗猎能力。随机路线甚至有助于防止贪污腐坏的骑警让盗猎者提前了解巡逻路线。

让巡逻更智能化、更高效，可能不仅仅会对动物的直接保护产生影响。Plumtre表示，乌干达野生动物保护局目前将50%到90%的预算用在骑警巡逻上。如果骑警效率提高，就可以将更多预算用于旅游业开发、入侵植物移除，还可通过卧底行动阻止从非洲其他地区往乌干达贩卖野生动物。

Tambe称，除了加强未来的巡逻战略之外，PAWS还可以帮助减少野生动物走私，甚至通过学习和应用对消费者有效的社会压力因素来降低象牙等产品的需求。