هوش مصنوعی بادیگارد حیات وحش می‌شود؛ ترفند جذاب استارتاپ Flox برای نجات حیوانات از ریل و فرودگاه

تصادف قطارها با حیوانات وحشی اتفاق عجیبی نیست؛ برخوردهایی که گاهی با کوبیده شدن قطار با سرعت تمام به یک بوفالوی وحشی، موتور آن را چنان از کار می‌اندازند که قطار باید برای تعمیر یدک‌کشی شود و مسافران ساعت‌ها معطل بمانند. شاید خیلی‌ها تصور کنند چنین حوادث تلخی فقط در مناطق روستایی یا نقاط دورافتاده اتفاق می‌افتد، اما واقعیت این است که حیات وحش و زیرساخت‌های مدرن در هیچ کجای کره زمین با هم سر سازگاری ندارند.

طبق برآوردهای اداره هوانوردی فدرال آمریکا (FAA)، برخورد هواپیماها با حیوانات وحشی بین سال‌های ۱۹۹۰ تا ۲۰۲۵ به‌طور میانگین سالانه حدود ۲۷۲ میلیون دلار به هوانوردی غیرنظامی این کشور خسارت زده است. در فرانسه هم شرکت راه‌آهن دولتی SNCF اعلام کرده که حیوانات سرگردان سالانه تردد بیش از ۸ هزار قطار را در سراسر این کشور مختل می‌کنند و یکی از ۵ عامل اصلی تأخیر قطارها هستند. فقط در منطقه برتانی فرانسه طی سال ۲۰۲۳، ۱۲۰ قطار با حیوانات برخورد کردند که به لغو و اختلال در ۶۶۰ سفر و ثبت بیش از ۱۵ هزار دقیقه تأخیر منجر شد.

دیدن حجم عظیم این خسارت‌ها به زیرساخت‌ها و تلفات غم‌انگیز حیوانات، جرقه‌ای شد تا سارا نوزکووا (Sara Nozkova) به فکر ساخت یک سیستم بازدارنده هوشمند برای حیات وحش بیفتد؛ سیستمی که عملکردی کاملاً متفاوت با روش‌های سنتی مثل آژیرها، چراغ‌های چشمک‌زن، فنس‌کشی، پرنده‌های شکاری یا شکار حیوانات دارد.

نوزکووا در این باره می‌گوید: «کاملاً مطمئن بودم که راه‌حل این بحران، ساختن ابزار‌های پرسروصداتر یا آژیرهای گوش‌خراش‌تر نیست.»

او پس از ۱۳ سال فعالیت در حوزه حمل‌ونقل و خودروهای خودران، به چشم دیده بود سیستم‌هایی که برای جاده‌ها و محیط‌های شهری طراحی می‌کنیم، به محض اینکه پای طبیعت وسط می‌آید چقدر سریع از کار می‌افتند و گیج می‌شوند.

او توضیح می‌دهد: «ما به ماشین‌ها یاد داده‌ایم که فوق‌العاده باهوش باشند، اما فقط در محیط‌هایی که خودمان برایشان مهندسی کرده‌ایم؛ مثل شهرها، خطوط تولید کارخانه‌ها و انبارها. جایی با هندسه ثابت و اشیای کاملاً مشخص. اما وقتی پا به دل طبیعت می‌گذاریم، این ماشین‌ها بلافاصله کور می‌شوند؛ چرا که طبیعت پیچیده، غیرقابل پیش‌بینی و همیشه زنده است.»

به همین دلیل، نوزکووا به آزمایشگاه هوش مصنوعی مؤسسه سلطنتی فناوری KTH در استکهلم پیوست و کار روی سیستمی را شروع کرد که بتواند واکنش‌های بازدارنده خود را بر اساس رفتار لحظه‌ای حیوان و حتی نوع دقیق گونه آن تغییر دهد.

این پژوهش‌ها در نهایت منجر به تأسیس استارتاپ Flox Intelligence شد؛ شرکتی که در سال ۲۰۲۰ از دانشگاه KTH مستقل شد و توانست به جمع استارتاپ‌های فینالیست و برگزیده رویدادهای نوآوری راه پیدا کند و طرح پیشگامانه خود را برای سرمایه‌گذاران بزرگ حوزه فناوری ارائه دهد.

استارتاپ Flox دستگاه‌های لبه‌ای (Edge) می‌سازد که داده‌ها را مستقیماً در محل و بدون نیاز به پردازش ابری تحلیل می‌کنند. این گجت‌ها درست مثل خودروهای خودران، از سیستم‌های ادراک و بینایی ماشین برای اسکن محیط اطراف بهره می‌برند، با این تفاوت که مدل‌های آن‌ها روی رفتار حیات وحش آموزش دیده‌اند. یک سنسور حرکتی با تشخیص کوچک‌ترین جنبش، دستگاه را بیدار می‌کند؛ بلافاصله دوربین فعال شده و مدل هوش مصنوعی روی دستگاه، نوع حیوان را تشخیص می‌دهد. در نهایت، دستگاه صدایی اختصاصی متناسب با همان گونه جانوری پخش می‌کند تا بدون وارد کردن آسیب یا استرس بی‌مورد، حیوان از محیط خطرناک دور شود.

نوزکووا می‌گوید این سیستم هوشمند از تجربه‌های قبلی خود نیز یاد می‌گیرد و واکنش‌های صوتی را تغییر می‌دهد تا حیوانات به صداهای تکراری عادت نکنند و نسبت به هشدارها بی‌تفاوت نشوند.

این شرکت در حال حاضر دستگاه‌های مبتنی بر باتری تولید می‌کند که به راحتی روی تیرک‌ها، درختان و سازه‌های مختلف نصب می‌شوند. علاوه بر سخت‌افزار، پلتفرم نرم‌افزاری اختصاصی Flox به مشتریان نشان می‌دهد که دستگاه‌ها دقیقاً در چه مناطقی فعال‌اند و در صحنه چه می‌گذرد. این پلتفرم گزارش‌های دقیقی برای رعایت الزامات زیست‌محیطی و پایش تنوع زیستی تولید می‌کند. هدف بلندمدت تیم این است که نرم‌افزار هوش مصنوعی را آن‌قدر سبک و منعطف کنند که بتواند مستقیماً روی قطارها، خودروها و پهپادها نیز اجرا شود.

به گفته نوزکووا، هم‌اکنون حدود ۱۵۰ دستگاه Flox در آمریکای شمالی، اروپا و استرالیا فعال هستند؛ از محوطه فرودگاه‌ها و گذرگاه‌های جاده‌ای و ریلی (به‌ویژه در انتهای فنس‌ها و تقاطع کریدورهای حیات وحش) گرفته تا پارک‌های ملی، زمین‌های کشاورزی، مناطق شهری، معادن و زیرساخت‌های حساسی مثل پست‌های برق فشار قوی.

مدل درآمدی شرکت به این صورت است که ابتدا دستگاه‌های لبه‌ای را می‌فروشد و پس از سال اول، هزینه اشتراک سالانه برای نرم‌افزار و مدل‌های هوش مصنوعی دریافت می‌کند. همچنین قراردادهای تجاری با شرکت‌های بزرگی دارد که برای نصب این نرم‌افزار روی ناوگان خود هزینه سالانه می‌پردازند؛ غول قطارسازی آلستوم (Alstom) یکی از این شرکای کلیدی است.

نوزکووا پیش‌بینی می‌کند که درآمد این استارتاپ تا پایان سال ۲۰۲۶ به حدود ۱.۵ میلیون دلار برسد.

با وجود نوآوری کم‌نظیر Flox، این استارتاپ در بازار کاملاً بی‌رقیب نیست. برای نمونه، سیستم Scarecrow متعلق به شرکت Robin Radar با پخش صداهای خطر مخصوص گونه‌های پرندگان آن‌ها را متفرق کرده و داده‌های آن را ثبت می‌کند. از طرف دیگر، شرکت iCHASE نیز سیستمی عرضه می‌کند که پرندگان را با بینایی ماشین تشخیص داده و با پرتوهای لیزری متحرک فراری می‌دهد.

با این حال، نوزکووا برگ برنده و مزیت رقابتی اصلی استارتاپ خود را جامعیت سیستم و کوه داده‌های می‌دانی جمع‌آوری‌شده می‌داند؛ داده‌هایی که به تعبیر او، «واقعیت می‌دانی و قطعی درباره رفتاری است که گوزن‌ها یا خرس‌های گریزلی را وادار می‌کند تا با حفظ امنیت از مسیر خطر کنار بروند».

نوزکووا تأکید می‌کند: «هوش مصنوعی فیزیکی در حال خروج از محیط بسته کارخانه‌ها و ورود به فضای زنده، آشفته و پویای دنیای واقعی است. هر ماشینی که در فضای باز فعالیت می‌کند — از قطارها و کامیون‌ها گرفته تا پهپادها، تراکتورها و ربات‌ها — باید بتواند طبیعت را بفهمد. هوش طبیعت، لایه بعدی از پشته ادراک ماشین‌هاست و در حال حاضر تقریباً هیچ‌کس روی آن کار نمی‌کند.»

استارتاپ Flox تاکنون حدود ۵ میلیون دلار در مراحل پیش‌بذری و بذری جذب سرمایه داشته که دور بذری آن به رهبری Unconventional Ventures و Tilia Impact Ventures انجام شده است. سرمایه‌گذارانی نظیر GENIUS NY، Norrsken، Satgana و چند سرمایه‌گذار فرشته نیز در این دورها مشارکت داشته‌اند.

این شرکت اکنون دور جذب سرمایه سری A به ارزش ۱۰ میلیون دلار را کلید زده است؛ سرمایه‌ای که بخش عمده آن صرف افزایش تعداد دستگاه‌ها از ۱۵۰ واحد فعلی به چندین هزار دستگاه و گسترش زیرساخت هوش مصنوعی به فراتر از کاربردهای کنونی حیات وحش خواهد شد.