Kodning for usikkerhed øger sikkerheden

Lige nu, droner flyver over dyreparker i Sydafrika, udstyret med termiske infrarøde kameraer og smarte automatiske detektionssystemer, der kan identificere potentielle krybskytter. Hvis en krybskytte bliver opdaget, dronen kan alarmere nærliggende rangers og blinke med sine lys for at sende en alarm.

Men parker er store steder, og rangers er spredt tyndt. Hvad hvis rangers ikke altid slår ind som reaktion på de blinkende lys? Kan teknikken stadig afskrække krybskytter, som en tom politibil i en fartfælde? Hvis så, hvor ofte kan tricket bruges, før krybskytterne bliver kloge?

Det er det centrale spørgsmål i et nyt papir fra dataloger ved Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS).

"Vores mål var at udvikle en algoritme, der kan anvende denne tilgang strategisk, " sagde Elizabeth Bondi, en kandidatstuderende ved SEAS og førsteforfatter af papiret. "Vi ønskede at designe en signalordning, der kunne vildlede en krybskytte og gøre dem usikre på, om de er blevet opdaget."

Nøglen, det viser sig, anerkendte fejlbarheden af ​​selve dronen.

Mens droner er et vigtigt værktøj til at beskytte dyreliv og skove, de er ikke perfekte. Et lukket kamera eller et forkert identificeret menneske kan føre til falske negativer.

Ved at tage disse usikkerheder i betragtning, Bondi og holdet udviklede en algoritme, der kunne signalere strategisk for at narre krybskytter til at tro, at rangers kunne være på vej til enhver tid.

Med denne algoritme, hvis en drone ser en krybskytte, og en ranger er i nærheden, det vil nogle gange signalere, fordi krybskytten sandsynligvis bliver fanget. Men, hvis dronen ser en krybskytte og en ranger ikke er i nærheden, det kan signalere eller måske ikke, afhængig af beregninger fra algoritmen. Og, for at tage højde for enhedens usikkerhed, dronen kan signalere, selvom den slet ikke ser noget.

Denne erkendelse af usikkerhed gav algoritmen, kaldet GUARDSS, en fordel i forhold til andre strategier. Faktisk, forskerne fandt ud af, at hvis en signalalgoritme ignorerede dens usikkerheder, det gjorde værre end at bruge ingen droner overhovedet.

"Denne algoritme giver os en informationsfordel i forhold til krybskytterne, sagde Bondi. Vi ved, om vi har set dem eller ej, men det gør krybskytterne ikke. Vi har vendt vores usikkerheder til vores fordel."

"Udnyttelse af usikkerheder og informationsfordele til at bedrage har længe været brugt af mennesker i konkurrenceinteraktioner, " sagde Haifeng Xu, en tidligere postdoc ved SEAS og medforfatter til papiret. "Det er spændende at opdage, at sådanne bluffe-taktik også kan beregnes nøje og implementeres som algoritmer med det formål at skabe socialt gode, kan lide at bekæmpe ulovlig krybskytteri."

"Dette værktøj kan hjælpe rangers i deres mission ved at udnytte realtidsinformation om krybskytteri, sagde Milind Tambe, Gordon McKay professor i datalogi ved SEAS og seniorforfatter af papiret. "Det slutter sig til andre AI-værktøjer, vi har bygget i løbet af de sidste mange år for at hjælpe rangers og dyrelivsbeskyttelsesorganer, inklusive WWF og WCS, i deres ekstremt vigtige arbejde med at beskytte truede dyreliv."

Denne forskning var medforfatter af Hoon Oh, Haifeng Xu, Fei Fang og Bistra Dilkina. Det blev præsenteret på konferencen Association for the Advancement of Artificial Intelligence (AAAI).