Việc xây dựng đường bộ đã tăng mạnh trong những thập kỷ gần đây với 25 triệu km đường trải nhựa dự kiến được xây dựng vào năm 2050. Bên cạnh những con đường quy mô, hợp pháp thì cũng tồn tại không ít con đường bất hợp pháp nằm ngoài phạm vi quản lý môi trường, thường cắt xuyên qua những khu rừng rậm rạp và gây hại cho đa dạng sinh học trong các hệ sinh thái mỏng manh.
Trong nhiều năm qua, việc phát hiện những con đường trái phép ở vùng sâu vùng xa vẫn là một nhiệm vụ đầy thách thức và tốn nhiều công sức. Nó đòi hỏi phải nghiên cứu kỹ các hình ảnh vệ tinh để xác định những con đường nhỏ dễ bị che lấp dưới màu xanh rậm rạp của rừng núi. Điều này thường vượt quá khả năng của sức người. Nhưng ngày nay, trí tuệ nhân tạo (hay AI) có thể đảm nhiệm thay công việc này.
Theo một nghiên cứu mới được công bố trên Tạp chí Viễn thám, các nhà khoa học có thể sử dụng trí tuệ nhân tạo để tự động hóa quá trình lập bản đồ những con đường bất hợp pháp đang tàn phá môi trường. AI được đào tạo để phát hiện các con đường từ hình ảnh vệ tinh được chụp từ các khu vực nông thôn và khu vực bán rừng ở Papua New Guinea, Malaysia và Indonesia. Kết quả cho thấy AI xác định đường đi với độ chính xác lên tới 81%.
Bill Laurance, đồng tác giả nghiên cứu, Giáo sư nổi tiếng tại Đại học James Cook ở Úc cho biết: Rừng ở những khu vực đó rất rậm rạp và đôi khi có thể có những con đường khai thác gỗ hoặc con đường bất hợp pháp nào đó mà bạn không thể nhìn rõ. Nhưng trí tuệ nhân tạo và các mô hình máy tính có thể phân tích hình ảnh vệ tinh và đưa ra câu trả lời cho bạn.
Đã có sự gia tăng chưa từng thấy trong việc xây dựng đường bộ trong vài thập kỷ qua. Hai mươi lăm triệu km đường trải nhựa dự kiến sẽ được xây dựng vào năm 2050 với 9 trên 10 phần tổng số công trình đường bộ đang diễn ra ở các quốc gia Nam bán cầu. Có thể nói chúng ta đang sống trong kỷ nguyên mở rộng đường bộ ấn tượng nhất trong lịch sử loài người. Nhiều con đường trong số này đang làm suy thoái hệ sinh thái vì chúng chính là “phương tiện” chủ đạo cho các hoạt động khai thác bất hợp pháp.
Điều đáng lo ngại là những con đường bất hợp pháp thường không nằm trong tầm ngắm của các cơ quan quản lý môi trường. Và chính lỗ hổng quản lý này đã dẫn đến điểm mù về dữ liệu cần thiết cho các nỗ lực bảo tồn và vận động chính sách. Các nghiên cứu lập bản đồ đường đi ở Amazon của Brazil và châu Á Thái Bình Dương trước đây từng phát hiện ra chiều dài đường thực tế dài hơn gấp 13 lần so với báo cáo trong cơ sở dữ liệu của chính phủ.
Giáo sư Laurance và nhóm của ông đã làm việc với các tình nguyện viên để lập bản đồ đường đi theo cách thủ công từ hình ảnh vệ tinh có độ phân giải cao. Sau đó, nhóm đưa tập dữ liệu bao gồm khoảng 8.900 hình ảnh vào mô hình trí tuệ nhân tạo để huấn luyện, xác thực và kiểm tra nó. Mô hình của nhóm nghiên cứu dựa trên mạng lưới thần kinh tích chập, một phương pháp AI được sử dụng rộng rãi để phân tích và nhận dạng hình ảnh.
Tao Huang, đồng tác giả nghiên cứu, Giảng viên cao cấp về hệ thống điện tử và kỹ thuật IoT tại Đại học James Cook cho biết: “Quá trình đào tạo AI liên quan đến việc giải thích trực quan những hình ảnh vệ sinh. Chỉ mất vài giờ để đào tạo mô hình vì chúng tôi chia hình ảnh lớn hơn thành hình ảnh nhỏ hơn”.
Nhóm nghiên cứu cung cấp hình ảnh vệ tinh mô hình và AI sẽ cố gắng phát hiện bất kỳ con đường nào bên trong chúng. Sau đó, AI tạo ra các bản đồ hiển thị những con đường mà nó xác định được. Nhóm đối chiếu kết quả AI và kết quả những con đường được xác định thủ công thì cả hai trùng tới 8 trong số 10 lần kiểm tra. Hiện Nhóm đang thực hiện một nghiên cứu liên quan bao gồm nhiều dữ liệu hơn về vị trí địa lý và sự phân bố của những con đường được phát hiện trong quá trình nghiên cứu.
Huang cho biết việc đào tạo một mô hình AI để phát hiện những con đường bất thường, thường bị che khuất ở vùng sâu vùng xa không phải là một nhiệm vụ dễ dàng. Ông đặc biệt nhấn mạnh tầm quan trọng của hình ảnh có độ phân giải cao. Lời khuyên của ông là hãy tập trung thu thập các bộ dữ liệu đa dạng và chất lượng cao để đào tạo AI, đồng thời xem xét các đặc điểm riêng của lĩnh vực mình quan tâm và sử dụng khung đánh giá mạnh mẽ để đánh giá hiệu suất mô hình.
PV (Theo Mongabay)
