Mengerahkan Kecerdasan Buatan untuk Konservasi

Kecerdasan buatan merupakan salah satu inovasi teknologi paling menjanjikan dalam konservasi dan dapat membantu melindungi spesies terancam di seluruh dunia. 

Data yang didapatkan dari  kamera trap, pencitraan satelit, rekaman audio dan lain-lain dapat diidentifikasi oleh AI yang telah belajar untuk mengidentifikasi spesies dari ribuan foto, video, dan audio di lapangan dari spesies-spesies yang terancam. Komputerisasi tugas ini sangat mengurangi beban kerja manual yang diperlukan untuk mengumpulkan informasi penting mengenai konservasi suatu daerah. 

Sistem machine learning berdasarkan algoritma menggunakan model pembelajaran dari data terdahulu yang sudah ada mampu memproses data konservasi dengan lebih cepat, lebih akurat, lebih efektif, dan lebih murah daripada metode manual. Keunggulan ini tentu mendukung usaha konservasi dari patroli anti perburuan liar hingga pemantauan spesies.

Umumnya usaha konservasi, terutama di Indonesia, kekurangan dana untuk mengelola data secara massal. Kecerdasan buatan memberikan alternatif menarik untuk memproses data massal dibandingkan cara manual yang ramah secara ekonomi. Seorang peneliti dapat menghabiskan waktu berbulan-bulan untuk melabeli semua spesimen, foto, video, atau audio dengan tangan untuk penelitian konservasi. Melibatkan masyarakat awam yang tertarik dengan konservasi alam merupakan salah satu pilihan lain untuk membantu pengelolaan data tetapi pilihan ini memiliki lebih banyak kekurangan dibandingkan dengan AI. 

Sukarelawan dari masyarakat awam cenderung bekerja dengan lambat dan kurang akurat  karena mereka bukan merupakan ahli di bidang tersebut. Untuk merekrut relawan dengan jumlah mencukupi juga merupakan hambatan pilihan ini . Kecerdasan buatan tidak mengalami kejenuhan kinerja terkait lelah dan bosan seperti yang dialami manusia.

Beberapa permasalahan konservasi memerlukan jawaban mendesak untuk menentukan keberhasilan tindakan konservasi berhasil atau tidak. Beberapa masalah bahkan membutuhkan hasil real time seperti menentukan apakah spesies yang dijual di media sosial dan toko online dilindungi atau tidak untuk takedown penjualannya. 

Walaupun AI memiliki pandangan umum membutuhkan keterampilan programming yang tinggi, AI sekarang lebih mudah diakses dari beberapa tahun yang lalu berkat bahasa programming point and click dan database  code yang dapat digunakan oleh siapapun. Jumlah data yang diperlukan untuk melatih algoritma kecerdasan buatan untuk mengenali spesies dapat diambil dari penelitian terdahulu dengan hasil manual yang sudah ada sebagai pembanding progres pembelajaran kecerdasan buatan tadi.

Sebagian besar pembelajaran kecerdasan buatan menggunakan database pembelajaran terbuka seperti TensorFlow yang dikembangkan oleh Google dan PyTorch oleh Facebook.  

TensorFlow memiliki komunitas pengguna yang suportif serta contoh kode yang tersedia secara online. Penggunaan AI juga dapat dilakukan dengan aplikasi contohnya iNaturalist, aplikasi identifikasi spesies berdasarkan foto atau rekaman suara yang tersedia di web, android, dan iPhone yang merupakan inisiatif bersama dari National Geographic Society dan California Academy of Sciences. Kontes AI dengan fokus beberapa tahun belakangan ini juga mulai dilaksanakan. 

Salah satu contohnya adalah  Bird Audio Detection Challenge, sebuah perlombaan pegembangan algoritma untuk menentukan spesies dari berbagai rekaman panggilan burung. Kode dari beberapa peserta lomba juga diposting online dan dapat dilihat oleh publik. Peneliti di bidang konservasi dapat belajar pengambangan AI secara gratis melalui kelas online yang ditawarkan oleh DataCamp, Coursera, Udacity, atau NVIDIA Deep Learning Institute. Kerja sama dengan ahli kecerdasan buatan juga dapat membantu.