/

Adolescente inventou ferramenta para apanhar caçadores de elefantes (em tempo real)

1

Anika Puri, uma jovem de 17 anos, visitou a Índia com a família há quatro anos, e ficou surpreendida quando se deparou com um mercado em Bombaim cheio de filas de joias e estátuas de marfim. Criou uma ferramenta de baixo custo que avista caçadores furtivos de elefantes em tempo real.

Globalmente, o comércio de marfim é ilegal há mais de 30 anos, e a caça ao elefante é proibida na índia desde os anos 70.

De acordo com a Smithsonian Magazine, a jovem de Nova Iorque ficou bastante surpreendida com os artigos em marfim. “Sempre pensei, bem, a caça furtiva é ilegal, como é que ainda é realmente um problema tão grande?”.

Anika Puri fez algumas pesquisas e descobriu uma estatística chocante: a população de elefantes florestais em África tinha diminuído cerca de 62% entre 2002 e 2011.

Anos mais tarde, os números continuam a diminuir. Amante da vida selvagem, Puri quis fazer algo para ajudar a proteger a espécie e outras ainda ameaçadas pela caça furtiva.

Os drones são atualmente utilizados para detetar e capturar imagens de caçadores furtivos, e não são assim tão exatos, explica Puri.

Mas depois de ver vídeos de elefantes e humanos, a adolescente viu como os dois se diferenciavam muito na forma como se movem — a sua velocidade, os seus padrões de viragem e outros movimentos.

“Percebi que podíamos usar esta disparidade entre estes dois padrões de movimento para realmente aumentar a precisão de deteção de potenciais caçadores furtivos”.

Ao longo de dois anos, Puri criou o ELSa, um protótipo de baixo custo com software de machine learning que analisa padrões de movimento em vídeos de infravermelhos térmicos de humanos e elefantes.

Puri diz que o software é quatro vezes mais preciso do que os métodos de deteção de última geração existentes.Também elimina a necessidade de câmaras térmicas dispendiosas de alta resolução, que podem custar milhares.

ELSa utiliza uma câmara térmica FLIR ONE Pro de 250 dólares com uma resolução de 206×156 pixeis que se liga a um iPhone 6. A câmara e o iPhone são ligados a um drone, e o sistema produz inferências em tempo real à medida que sobrevoa os parques para saber se os alvos são humanos ou elefantes.

Puri submeteu o projeto à Regeneron International Science and Engineering Fair deste ano, a maior competição internacional pré-universitária STEM do mundo.

A sua eloquência na descrição da sua investigação e do seu potencial impacto na sociedade valeu-lhe o prémio Peggy Scripps Award for Science Communication, e ganhou também um prémio de topo na categoria de ciências da terra e ambientais do concurso.

Após o nono ano, Puri foi selecionada para frequentar o programa de verão de Stanford A.I.Lab, onde ficou a conhecer as possibilidades da inteligência artificial.

A jovem também fundou uma organização sem fins lucrativos, mozAlrt, que inspira raparigas e outros grupos sub-representados a envolverem-se na ciência da computação utilizando uma combinação de música, arte e IA.

Numa conferência de IA onde realizou um workshop, a adolescente conheceu Elizabeth Bondi-Kelly, cientista informática de Harvard que estava a trabalhar num projeto de conservação da vida selvagem utilizando drones.

Bondi-Kelly também tinha começado um projeto sem fins lucrativos, chamado Try AI, para aumentar a diversidade no terreno.

Puri falou com Bondi-Kelly sobre a sua ideia de apanhar caçadores furtivos de elefantes usando padrões de movimento, e Bondi-Kelly tornou-se a sua mentora para o projeto.

Para criar o seu modelo, Puri encontrou pela primeira vez padrões de movimento de humanos e elefantes usando o Benchmarking IR Dataset for Surveillance with Aerial Intelligence (BIRDSAI), um conjunto de dados recolhidos por Bondi-Kelly

Bondi-Kelly e os colegas tinham recolhido os dados usando uma câmara de infravermelhos térmicos ligada a um veículo aéreo não tripulado (UAV) em múltiplas áreas protegidas em África.

Ao analisar os dados, Puri identificou 516 séries temporais extraídas de vídeos que capturaram humanos ou elefantes em movimento.

Puri utilizou então um algoritmo de machine learning para treinar um modelo para classificar uma figura como elefante ou humano com base na sua velocidade, tamanho de grupo, raio de viragem, número de voltas e outros padrões.

Usou 372 séries — 300 movimentos de elefantes, e 72 movimentos humanos. Os 144 restantes foram usados para testar o seu modelo com dados que nunca tinha visto antes. Quando testado no conjunto de dados BIRDSAI, o seu modelo foi capaz de detetar humanos com mais de 90% de precisão.

O software de Puri é “bastante louvável”, diz Jasper Eikelboom, ecologista da Universidade de Wageningen na Holanda que está a conceber um sistema para detetar caçadores furtivos ao utilizar localizadores GPS em animais.

“É bastante notável que uma estudante do ensino secundário tenha sido capaz de fazer algo assim”, acrescenta. “Não só a investigação e a análise, mas também…poder implementá-lo nos protótipos”.

ElSa, observa Eikelboom, também poderia ser amplamente utilizado para outros objetivos de conservação, e não apenas para detetar caçadores furtivos.

“Na ecologia em geral, gostamos de seguir os animais e ver o que eles estão a fazer e como isso afeta o ecossistema”.

No Outono, Puri vai frequentar o Massachusetts Institute of Technology, onde quer estudar engenharia elétrica e informática. Tem planos para expandir a sua investigação sobre padrões de movimento para outros animais ameaçados de extinção.

PUBLICIDADE

A seguir são os rinocerontes, diz Puri. E quer começar a implementar o seu software em parques nacionais em África, incluindo o Parque Nacional Kruger da África do Sul.

As restrições Covid-19 atrasaram alguns dos seus planos de viajar para estes parques para fazer arrancar o seu projeto, mas espera explorar as suas opções depois de começar a faculdade.

Como os drones só têm uma autonomia de algumas horas, está atualmente a criar um algoritmo de planeamento de percursos para assegurar a máxima eficiência no curso de voo do drone.

“A investigação não é uma linha reta”, diz Puri. “Isso tornou-me mais engenhosa”. Também me ajudou a evoluir para um pensamento mais inovador. Aprende-se ao longo do caminho”.

  Inês Costa Macedo, ZAP //

1 Comment

Deixe o seu comentário

Your email address will not be published.