Direct, drones vliegen over wildparken in Zuid-Afrika, uitgerust met thermische infraroodcamera's en slimme automatische detectiesystemen die potentiële stropers kunnen identificeren. Als een stroper wordt gesignaleerd, de drone kan rangers in de buurt waarschuwen en met zijn lichten knipperen om een ​​alarm af te geven.

Maar parken zijn grote plaatsen en rangers zijn dun verspreid. Wat als rangers niet altijd inspringen als reactie op die flitsende lichten? Kan de techniek stropers nog afschrikken, als een lege politieauto in een snelheidscontrole? Als, hoe vaak kan de truc worden gebruikt voordat de stropers wijs worden?

Dat is de centrale vraag in een nieuw artikel van computerwetenschappers van de Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS).

"Ons doel was om een ​​algoritme te ontwikkelen dat deze aanpak strategisch kan toepassen, " zei Elizabeth Bondi, een afgestudeerde student aan SEAS en eerste auteur van het papier. "We wilden een signaleringsschema ontwerpen dat een stroper zou kunnen misleiden en hen onzeker zou maken of ze zijn gedetecteerd."

De sleutel, het blijkt, erkende de feilbaarheid van de drone zelf.

Hoewel drones een belangrijk hulpmiddel zijn om wilde dieren en bossen te beschermen, ze zijn niet perfect. Een afgesloten camera of een verkeerd geïdentificeerd mens kan leiden tot valse negatieven.

Door rekening te houden met deze onzekerheden, Bondi en het team ontwikkelden een algoritme dat strategisch signalen kan geven om stropers te laten geloven dat rangers op elk moment onderweg kunnen zijn.

Met dit algoritme als een drone een stroper ziet en een ranger in de buurt is, het zal soms signaleren omdat de stroper waarschijnlijk wordt gepakt. Maar, als de drone een stroper ziet en er is geen ranger in de buurt, het kan signaleren of niet, afhankelijk van berekeningen van het algoritme. En, om rekening te houden met de onzekerheid van het apparaat, de drone kan een signaal geven, zelfs als hij helemaal niets ziet.

Deze erkenning van onzekerheid gaf het algoritme, genaamd WACHTERS, een voorsprong op andere strategieën. In feite, de onderzoekers ontdekten dat als een signaleringsalgoritme zijn onzekerheden negeerde, het deed erger dan helemaal geen drones gebruiken.

"Dit algoritme geeft ons een informatief voordeel ten opzichte van de stropers, ' zei Bondi. 'We weten of we ze hebben gezien, maar de stropers niet. We hebben onze onzekerheden in ons voordeel omgezet."

"Het benutten van onzekerheden en informatieve voordelen om te misleiden wordt al lang door mensen gebruikt in competitieve interacties, " zei Haifeng Xu, een voormalig postdoctoraal fellow bij SEAS en co-auteur van het artikel. "Het is opwindend om te ontdekken dat dergelijke bluftactieken ook rigoureus kunnen worden berekend en geïmplementeerd als algoritmen met het oog op sociaal welzijn, willen illegale stroperij bestrijden."

"Deze tool kan rangers helpen bij hun missie door gebruik te maken van realtime informatie over stroperij, " zei Milind Tambe, de Gordon McKay Professor of Computer Science bij SEAS en senior auteur van de paper. "Het sluit aan bij andere AI-tools die we de afgelopen jaren hebben gebouwd om boswachters en natuurbeschermingsinstanties te helpen, waaronder WWF en WCS, in hun uiterst belangrijke werk bij het beschermen van bedreigde dieren in het wild."

Dit onderzoek is mede geschreven door Hoon Oh, Haifeng Xu, Fei Fang en Bistra Dilkina. Het werd gepresenteerd op de Association for the Advancement of Artificial Intelligence (AAAI) Conference.