当前位置:人工智能行业动态 → 正文

人工智能通常适用于现代技术的问题

责任编辑:zsheng |来源:企业网D1Net  2018-12-17 19:13:19 本文摘自:机器人天空

大象的新保护者是PAWS,一种机器 - 一种学习和游戏理论系统,可以预测偷猎者可能会罢工的地方

每年,偷猎者杀死大约27,000只非洲大象 - 令人震惊的是8%的人口。如果目前的趋势继续下去,这些壮观的动物可能会在十年内消失。

当然,解决办法是在偷猎者罢工之前阻止偷猎者,但如何做到这一点长期以来一直困扰着当局。在野生动物保护区等保护区内,大象和其他濒临灭绝的动物可能会在远处漫游,而护林员可以随时在一个小区域巡逻。“这是一个由两部分组成的问题,” 洛杉矶南加州大学计算机科学家Milind Tambe解释说。“你能预测偷猎会在哪里发生吗?你可以[目标]你的巡逻队,以便他们无法预测,以便偷猎者不知道护林员会来吗?“

为了解决问题的两个部分,Tambe和他的团队创建了一个名为PAWS的人工智能系统,它代表野生动物保护的保护助手。机器学习算法使用来自过去巡逻的数据来预测将来可能发生偷猎的位置。游戏理论模型有助于产生随机,不可预测的巡逻路线。该系统已在乌干达和马来西亚进行了实地测试,取得了良好的效果,并将在2018年将其用于中国和柬埔寨。此外,Tambe说,PAWS系统很快就可以整合到一个名为SMART的现有跟踪工具中,野生动物保护机构已经在全球大多数站点部署了这些工具来收集和管理巡逻数据。

在与乌干达伊丽莎白女王国家公园的野生动物保护协会进行的为期一个月的试验中,护林员巡逻了他们很少访问的两个地区,但PAWS表示偷猎的可能性很高。令游侠惊讶的是,他们发现了许多网罗和其他非法活动迹象。后来的8个月试验考察了整个公园。同样,巡逻队验证了模型的预测:在高概率区域,他们发现偷猎的次数是低概率区域的10倍。乌干达默奇森瀑布国家公园的一项新试验正在检查PAWS是否能在不同地点同样良好地运作。

野生动物保护协会非洲项目科学主任Andrew Plumptre正在与Tambe小组合作进行乌干达野外试验。他说,在正常的巡逻中,护林员使用名为Cyber​​tracker的智能手机应用程序输入他们所看到的数据。大约每月一次,该数据会上传到SMART。“你能够在巡逻队搜查过的地方找到地图,在那里他们发现了大象的陷阱和尸体等等,”Plumptre说。“但是没有任何主动性。仅靠游侠巡逻就不足以阻止偷猎。“他希望PAWS的预测能力能够使这些巡逻尽可能高效和有效。

PAWS系统失去了工作Tambe和他的学生十多年前开始从事港口,机场和航空公司的安全工作。美国海岸警卫队,运输安全管理局和洛杉矶警长局都部署了由Tambe集团开发的人工智能系统。他与加利福尼亚州威尼斯的Avata Intelligence公司合作,将这项研究商业化。

大约六,七年前,Tambe参加了世界银行会议,并看到了关于老虎可怕困境的谈话,其中不到4,000只在野外生存。“我想我听说过这些事情,但我从不理解问题的范围。我突然意识到人工智能的潜力,“Tambe说。他很快就与保护团体取得了联系。

Femb Fang是Tambe的前学生,现在是Carnegie Mellon的助理教授,他曾在纽约市的海岸警卫队系统保护史坦顿岛渡轮,然后转向PAWS。她指出,这两种情况类似。“有一名后卫,是野生动物护林员或海岸警卫队,还有一名袭击者,这是一个偷猎者或恐怖分子,他们正在以一种你想要预测的方式互相交流。”

预测性巡逻:卡内基梅隆大学的计算机科学家费芳展示了在中国东北野生动物保护区发现的一只老虎圈套。南加州大学的Fang和Milind Tambe开发了一种机器学习算法来预测偷猎者最活跃的地方。

对于PAWS团队而言,田野试验推动了荒野警务的重要现实:世界并不平坦。他说,当团队开始在马来西亚工作时,他们没有考虑到森林茂密的山区地形。“在我们的第一个模型中,我们拍摄了一张地图,将整个区域划分为网格单元格,在网格上画了一条线,然后说,”巡逻人员,请按照这一行,“她回忆道。“我们会和他们通话,他们会告诉我们:'不,不,不,这不会奏效。' 我们不明白。“

只有当PAWS团队访问马来西亚保护区时,他们才能得到它。“我们和护林员一起走了这条路,我们花了大约8个小时走了几英里,”方说。PAWS的后续改进考虑了易于行走的地理特征,如脊线,河床和旧的伐木路径。“我们为保护区建立了一个虚拟街道地图,然后根据地图绘制了路线。”沿着新路线的巡逻人员发现了“各种动物和人类活动的迹象”,方说。

截至记者发稿时,方舟子正在世界自然基金会对中国东北部的PAWS进行为期三个月的实地试验,其中最受关注的动物是西伯利亚虎。他说,他们正在努力的一项改进是帮助游侠在巡逻时作出决定。“他们可能会看到足迹和树痕,这些迹象表明了偷猎者的前进方向,”她说。“他们需要决定,我应该追逐偷猎者吗?如果他们看到新信息,改变计划的最佳策略是什么?“

Tambe和Fang还与一家名为Air Shepherd的野生动物保护服务机构合作,该服务使用配有红外摄像头的无人机在夜间搜寻偷猎者。他们基于人工智能的视频分析系统可以自动化人类繁琐而艰巨的任务:查看粒状黑白镜头的小时和小时,然后在检测到非法活动时提醒护林员。

PAWS的下一步是将其提供给其他非政府组织,理想情况是将算法集成到现有工具中,如Cyber​​tracker和SMART系统。“我们可能永远不会完全停止偷猎,”Plumptre说。“但我们可以把它降到更低的水平,这样人口就不会下降。”

人工智能通常适用于现代技术的问题,Tambe指出,但这项工作是不同的。“我们正在使用人工智能来拯救自然世界 - 这些我们希望不会消失的令人惊叹的景观和动物,”他说。“这些都是重要的宝藏。”

关键字:问题技术智能

本文摘自:机器人天空

x 人工智能通常适用于现代技术的问题 扫一扫
分享本文到朋友圈
当前位置:人工智能行业动态 → 正文

人工智能通常适用于现代技术的问题

责任编辑:zsheng |来源:企业网D1Net  2018-12-17 19:13:19 本文摘自:机器人天空

大象的新保护者是PAWS,一种机器 - 一种学习和游戏理论系统,可以预测偷猎者可能会罢工的地方

每年,偷猎者杀死大约27,000只非洲大象 - 令人震惊的是8%的人口。如果目前的趋势继续下去,这些壮观的动物可能会在十年内消失。

当然,解决办法是在偷猎者罢工之前阻止偷猎者,但如何做到这一点长期以来一直困扰着当局。在野生动物保护区等保护区内,大象和其他濒临灭绝的动物可能会在远处漫游,而护林员可以随时在一个小区域巡逻。“这是一个由两部分组成的问题,” 洛杉矶南加州大学计算机科学家Milind Tambe解释说。“你能预测偷猎会在哪里发生吗?你可以[目标]你的巡逻队,以便他们无法预测,以便偷猎者不知道护林员会来吗?“

为了解决问题的两个部分,Tambe和他的团队创建了一个名为PAWS的人工智能系统,它代表野生动物保护的保护助手。机器学习算法使用来自过去巡逻的数据来预测将来可能发生偷猎的位置。游戏理论模型有助于产生随机,不可预测的巡逻路线。该系统已在乌干达和马来西亚进行了实地测试,取得了良好的效果,并将在2018年将其用于中国和柬埔寨。此外,Tambe说,PAWS系统很快就可以整合到一个名为SMART的现有跟踪工具中,野生动物保护机构已经在全球大多数站点部署了这些工具来收集和管理巡逻数据。

在与乌干达伊丽莎白女王国家公园的野生动物保护协会进行的为期一个月的试验中,护林员巡逻了他们很少访问的两个地区,但PAWS表示偷猎的可能性很高。令游侠惊讶的是,他们发现了许多网罗和其他非法活动迹象。后来的8个月试验考察了整个公园。同样,巡逻队验证了模型的预测:在高概率区域,他们发现偷猎的次数是低概率区域的10倍。乌干达默奇森瀑布国家公园的一项新试验正在检查PAWS是否能在不同地点同样良好地运作。

野生动物保护协会非洲项目科学主任Andrew Plumptre正在与Tambe小组合作进行乌干达野外试验。他说,在正常的巡逻中,护林员使用名为Cyber​​tracker的智能手机应用程序输入他们所看到的数据。大约每月一次,该数据会上传到SMART。“你能够在巡逻队搜查过的地方找到地图,在那里他们发现了大象的陷阱和尸体等等,”Plumptre说。“但是没有任何主动性。仅靠游侠巡逻就不足以阻止偷猎。“他希望PAWS的预测能力能够使这些巡逻尽可能高效和有效。

PAWS系统失去了工作Tambe和他的学生十多年前开始从事港口,机场和航空公司的安全工作。美国海岸警卫队,运输安全管理局和洛杉矶警长局都部署了由Tambe集团开发的人工智能系统。他与加利福尼亚州威尼斯的Avata Intelligence公司合作,将这项研究商业化。

大约六,七年前,Tambe参加了世界银行会议,并看到了关于老虎可怕困境的谈话,其中不到4,000只在野外生存。“我想我听说过这些事情,但我从不理解问题的范围。我突然意识到人工智能的潜力,“Tambe说。他很快就与保护团体取得了联系。

Femb Fang是Tambe的前学生,现在是Carnegie Mellon的助理教授,他曾在纽约市的海岸警卫队系统保护史坦顿岛渡轮,然后转向PAWS。她指出,这两种情况类似。“有一名后卫,是野生动物护林员或海岸警卫队,还有一名袭击者,这是一个偷猎者或恐怖分子,他们正在以一种你想要预测的方式互相交流。”

预测性巡逻:卡内基梅隆大学的计算机科学家费芳展示了在中国东北野生动物保护区发现的一只老虎圈套。南加州大学的Fang和Milind Tambe开发了一种机器学习算法来预测偷猎者最活跃的地方。

对于PAWS团队而言,田野试验推动了荒野警务的重要现实:世界并不平坦。他说,当团队开始在马来西亚工作时,他们没有考虑到森林茂密的山区地形。“在我们的第一个模型中,我们拍摄了一张地图,将整个区域划分为网格单元格,在网格上画了一条线,然后说,”巡逻人员,请按照这一行,“她回忆道。“我们会和他们通话,他们会告诉我们:'不,不,不,这不会奏效。' 我们不明白。“

只有当PAWS团队访问马来西亚保护区时,他们才能得到它。“我们和护林员一起走了这条路,我们花了大约8个小时走了几英里,”方说。PAWS的后续改进考虑了易于行走的地理特征,如脊线,河床和旧的伐木路径。“我们为保护区建立了一个虚拟街道地图,然后根据地图绘制了路线。”沿着新路线的巡逻人员发现了“各种动物和人类活动的迹象”,方说。

截至记者发稿时,方舟子正在世界自然基金会对中国东北部的PAWS进行为期三个月的实地试验,其中最受关注的动物是西伯利亚虎。他说,他们正在努力的一项改进是帮助游侠在巡逻时作出决定。“他们可能会看到足迹和树痕,这些迹象表明了偷猎者的前进方向,”她说。“他们需要决定,我应该追逐偷猎者吗?如果他们看到新信息,改变计划的最佳策略是什么?“

Tambe和Fang还与一家名为Air Shepherd的野生动物保护服务机构合作,该服务使用配有红外摄像头的无人机在夜间搜寻偷猎者。他们基于人工智能的视频分析系统可以自动化人类繁琐而艰巨的任务:查看粒状黑白镜头的小时和小时,然后在检测到非法活动时提醒护林员。

PAWS的下一步是将其提供给其他非政府组织,理想情况是将算法集成到现有工具中,如Cyber​​tracker和SMART系统。“我们可能永远不会完全停止偷猎,”Plumptre说。“但我们可以把它降到更低的水平,这样人口就不会下降。”

人工智能通常适用于现代技术的问题,Tambe指出,但这项工作是不同的。“我们正在使用人工智能来拯救自然世界 - 这些我们希望不会消失的令人惊叹的景观和动物,”他说。“这些都是重要的宝藏。”

关键字:问题技术智能

本文摘自:机器人天空

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^