בעיית שימור הטבע בשנות ה-2020 נתקלה במפתיע ב'מבוי סתום מידעי'. אלפי מצלמות שבילים ברחבי העולם מייצרות מדי יום טרה-בייטים של נתונים. עד לאחרונה, מדענים בילו עד 80% מזמנם בצפייה שגרתית בפריימים ריקים, שבהם במקום יגואר היה רק עלה שהתנועע ברוח.
המצב השתנה עם הטמעת הפלטפורמה SpeciesNet. כלי זה, המבוסס על ראייה ממוחשבת, נוטל על עצמו את החלק השגרתי ביותר בעבודה. הרשת הנוירונית מסננת אוטומטית תוכן 'ריק' ומסווגת בעלי חיים בתמונות. מה שנדרש לחודשים של צוות מעבדה, מעובד כעת על ידי אלגוריתמים תוך שעות ספורות.
מדוע מהירות העיבוד כה חשובה? במקרה של אוכלוסיות בסכנת הכחדה, כמו יגוארים באמריקה הלטינית או דובי גריזלי בצפון אמריקה, עיכוב בניתוח נתונים פירושו אובדן רלוונטיות. אם נדע על תנועת ציידים או על צמצום קריטי של בסיס המזון רק לאחר חצי שנה, כל אמצעי שימור יהיו מאוחרים מדי.
הטכנולוגיה מאפשרת לביולוגים להתמקד באסטרטגיה, ולא במיון קבצים. דיוק הזיהוי של מינים עיקריים כיום מגיע ל-90%, מה שמאפשר להשתמש בנתונים אלה להפקת דוחות ממשלתיים ולשינוי גבולות של אזורי שמורה כמעט בזמן אמת.
מעניין אם בעתיד הקרוב נוכל ליצור רשת ניטור גלובלית אחת, שתזהיר מפני איומים על המגוון הביולוגי באותה מהירות שבה אנו מקבלים תחזיות מזג אוויר.
השילוב של מחשוב ענן ולמידת מכונה באקולוגיה מוביל ליצירת מערכות אקולוגיות 'שקופות'. זה יסייע בעתיד לא רק לתעד היעלמות מינים, אלא גם למודל תרחישי שיקום על בסיס מאגרי נתונים עצומים ואמינים. אנו עוברים מהשערות לניהול מדויק של משאבי טבע.
