Tekoäly hiipii mukaan metsästykseen
Viime vuosina suuria harppauksia ottanut tekoäly puhuttaa maailmanlaajuisesti alasta riippumatta, ja nyt on nähtävissä selkeitä merkkejä AI:n tulemisesta myös metsästykseen.
Teknologian kehitys on kautta historian kulkenut tiiviisti käsi kädessä metsästyksen kanssa. Primitiiviset pyyntivälineet ja -menetelmät ovat valtaosin väistyneet tehokkaiden ja tarkkojen aseiden, sekä digitaalisten apuvälineiden tieltä.
Vaikka teknologian hyödyntäminen herättää aina myös kritiikkiä, ovat nykyaikaiset koiratutkat, etäisyysmittarit, karttasovellukset ja lämpötähtäimet eittämättä tehneet metsästyksestä sekä turvallisempaa, tehokkaampaa, että monilta osin myös eettisempää.
Akkuvaatteet, lämmitetyt istuinalustat ja aktiivikuulosuojaimet puolestaan ovat tuoneet mukavuutta passitushetkiin.
Metsästysvarusteiden ja -mobiilisovellusten seuraava valtava teknologinen harppaus tulee suurella todennäköisyydellä olemaan tekoälyn integrointi siten, että se muodostuu jatkossa tiiviiksi osaksi metsästyksen kokonaiskokemusta.
AI, eli artificial intelligence, on jo nyt apuna monella modernin yhteiskunnan osa-alueella aina insinöörityöstä luovalle alalle, joten on vain ajan kysymys, milloin se iskee rytinällä myös osaksi metsästystä.
Tekoälylle leimallista on sen tehokas oppimiskyky, joten se kehittyy jatkuvasti. Sillä voidaan suorittaa monimutkaisia tehtäviä, jotka ovat vaikeita, vaarallisia, virhealttiita, aikaa vieviä tai jopa ihmiselle mahdottomia. Tekoälyn laajempi käyttöönotto metsästystuotteissa ja -palveluissa lienee pitkälti kiinni siitä, kuinka nopeasti se kehittyy käyttäjäystävälliseen suuntaan, ja milloin alan yritykset keksivät AI:lle liiketoimintaansa sopivia ja kuluttajia kiinnostavia sovellutuksia.
Tällä hetkellä helpoiten metsästystuotteissa ja -palveluissa hyödynnettävä tekoälyn muoto on niin kutsuttu generatiivinen teköäly (Generative AI). Se käyttää hyväkseen algoritmeja, syväverkkoja ja syväoppimistekniikoita, joiden avulla se käsittelee olemassa olevaa tietoa, ja muodostaa sen pohjalta ennusteita, malleja, ehdotuksia sekä uutta sisältöä, kuten kuvia, tekstiä, ääntä ja videota.
Kyse ei ole enää vain utopistisesta tulevaisuuden maalailusta, vaan generatiivista tekoälyä käyttäviä palveluita ja mobiilisovelluksia on metsästäjille olemassa jo tälläkin hetkellä.
AI jahdin harjoittelun apuna
Tekoälyn mahdollistamaa tehokasta datan analysointia hyödynnetään jo ainakin kahdessa metsästäjille suunnitellussa mobiilisovelluksessa: HuntPro AI ja Spartan Forge. Sovellukset ovat toistaiseksi pääasiassa amerikkalaisille käyttäjille suunnattuja.
HuntPro on tarkoitettu metsästysalueen hallintaan riistakameroista saadun tiedon perusteella. Sovellus analysoi siihen liitettyjen riistakameroiden kuvia, tunnistaa kuvista eri riistalajit, sekä lajittelee kuvat sopiviin kategorioihin. Mielenkiintoisin sovelluksen ominaisuus on sen kyky tunnistaa kuvista eri eläinyksilöitä, esimerkiksi sarvien perusteella.
Sovellus analysoi siihen liitettyjen riistakameroiden kuvia, tunnistaa kuvista eri riistalajit, sekä lajittelee kuvat sopiviin kategorioihin.
Sovellus luo eri yksilöille ID:t, joiden avulla niiden liikkeitä voidaan seurata ja ennustaa eri puolille metsästysaluetta sijoitettujen kameroiden kuvista kerätyn tiedon pohjalta.
Voisiko tunnistusteknologia kehittyä siten, että riistakamerasovelluksen kanssa keskusteleva tekoäly tunnistaisi nämä samat eläinyksilöt reaaliaikaisesti myös esimerkiksi kiikaritähtäimen tai lämpökameran kautta? Tai voisiko tekoäly tulevaisuudessa auttaa tunnistamaan esimerkiksi rauhoitettuja lajeja suuremmasta parvesta tai laumasta?
Spartan Forge puolestaan on e-tiedustelun ja jahdin suunnittelun apuväline, joka keskittyy tarjoamaan edistynyttä karttatietoa ja arvioita peurojen liikkeistä. Sovellus hyödyntää ja analysoi peuroihin liittyvää tieteellistä tutkimusta, kartta-aineistoa ja säätietoja, joiden pohjalta se antaa todennäköisyyteen perustuvia ennusteita. Ennusteiden avulla metsästäjä voi suunnitella sekä passituspaikan, että -ajankohdan mahdollisimman tarkasti.
Metsästysmatkailuun ja palveluiden tarjoamiseen liittyen tekoälyllä on myös annettavaa, joskin jää nähtäväksi, kuinka laajasti sitä käytännössä aletaan hyödyntää. Tiedon tehokkaan ja automaattisen analysoinnin avulla metsästäjille voidaan tarjota helposti ostettavia, räätälöityjä jahteja ja matkoja, esimerkiksi kiinnostuksen kohteiden, taitotason, haluttujen sääolosuhteiden, maastotyypin tai jahtimuodon perusteella.
Myös metsästys- ja ammuntasimulaattorit, sekä virtuaalitodellisuuden sovellutukset ja harjoitusohjelmat kehittyvät jatkossa entistä realistisempaan suuntaan. Simulaattorit ovat tyypillisesti vaatineet suuret tilat, sekä olleet vaikeasti saavutettavissa tai monelle liian kalliita käyttää.
Virtuaalitodellisuuden yleistyessä ja VR-tuotteiden hintojen tippuessa sekä treeniympäristö, että metsästystilanteet on mahdollista tuoda kotioloihin asti. Tällaista tuotetta tarjoaa jo GAIM, joka on VR-lasien ja harjoitusaseiden yhdistelmään perustuva ammuntasimulaattori. GAIM:in avulla voi olohuoneesta käsin harjoitella niin urheiluammuntaa, kiväärimetsästystä kuin haulikkoammuntaakin.
Kannanhallinnan tueksi
Tekoälyä on mahdollista hyödyntää myös riistalajien kannanhallinnan apuna. Jo aiemmin mainitun HuntPro AI -sovelluksen tyyppiset ratkaisut mahdollistavat riistakantojen seurannan kameroiden avulla ilman manuaalista kuvamateriaalin läpikäyntiä ja kategorisointia.
Algoritmien ja kameroiden kehittyessä kuvista saadaan tulevaisuudessa yhä enemmän tietoa, jota voidaan hyödyntää myös tutkimuksen ja ennusteiden apuna.
Afrikassa on käytetty AI-sovelluksia ja kameroita myös salametsästykseen puuttumisessa. Kamerat tunnistavat alueella liikkuvan ihmisen, ja lähettävät riistanvartijoille ilmoituksen, jolloin reaaliaikainen reagointi helpottuu. Lisäksi kuvista kerättyjen aika- ja paikkatietojen perusteella tekoäly luo ennusteita salametsästäjien todennäköisistä kulkureiteistä ja salametsästyksen ajankohdista.
Afrikassa on käytetty AI-sovelluksia ja kameroita myös salametsästykseen puuttumisessa.
Lennokit, eli dronet, ja niiden tarjoama kuva- ja videomateriaali tulevat jatkossa myös kehittymään siten, että niistä saadaan yhä enemmän tietoa tutkimuksessa hyödynnettäväksi. Tietoa voidaan käyttää esimerkiksi riistakantojen laskennassa ja eläinten kulkureittien selvittämisessä, sekä elinympäristöjen tilan arvioinnissa.
Kauko-ohjattavien, lämpökameralla varustettujen lennokkien käyttöä riistalaskennoissa on tutkittu ja testattu jo vuosia, useissa eri maissa. Runsaan kuvamateriaalin manuaalinen läpikäyminen on kuitenkin työlästä, joten Wisconsinin yliopistossa tehdyssä tutkimuksessa tekoäly valjastettiin analysoimaan dronen lämpökamerakuvia, ja tunnistamaan kuvista eläimiä.
Tekoäly löysi ilmakuvista eläimiä jopa 95 prosentin tarkkuudella. Riistalaskennat drone ja AI-avusteisesti eivät tulosten perusteella tunnu enää lainkaan utopistiselta tulevaisuuden kuvalta.
Älykkäitä varusteita
Vaatteiden ja varusteiden osalta tekoälyä tullaan todennäköisimmin hyödyntämään ensisijaisesti suunnittelutyön tukena. Miltä kuulostaisivat esimerkiksi AI:n suunnittelemat kutsupillit, joilla riistaeläimiä voitaisiin imitoida entistä tarkemmin? Tekoäly kykenee jo tunnistamaan lintuja äänen perusteella, joten se saadaan haluttaessa varmasti valjastettua myös äänentuoton analysointiin.
Entä millainen olisi tekoälyn suunnittelema, tunturimaastoon soveltuvan metsästyskengän pohjakuvio tai rakenteeltaan tukeva ja ylivoimaisen kevyt ampumatuki?
AI:n avulla voidaan ideoida lisäksi muun muassa uusia materiaaleja, maastokuvioita tai vaatemallistoja. Materiaalien osalta tekoälylle voitaisiin asettaa kriteereiksi esimerkiksi tuotteen käyttökohde, keveys, kestävyys ja ekologisuus.
Maastokuvioita yksinkertaisimmat algoritmit pystyvät jo luomaan yhdistelemällä värejä ja muotoja, mutta mielenkiintoisimmat lopputulokset saadaan todennäköisesti sitten, kun tekoäly ottaa huomioon kohderiistan näkökyvyn, käyttöympäristölle tyypilliset tekstuurit, sekä valaistus- ja kasvillisuusolosuhteet.
Ei liene yllättävää, että optiikkavalmistajat ovat jo alkaneet käyttää monimutkaisia algoritmejä tuotteissaan. Esimerkiksi lämpökamerat ja -tähtäimet ovat kehittyneet viime vuosina valtavasti, ja niihin on jo integroitu myös “älykkäitä” ominaisuuksia: Amerikkalaisen ATN:n Smart Digital -tähtäimet siirtävät ristikkoa automaattisesti napin painalluksesta, kohteeseen mitattuun matkaan, patruunan ballistiikkaan ja sää- sekä tuuliolosuhteisiin perustuen. Kaikki tämä tapahtuu yhdellä laitteella, joka hoitaa laskennan metsästäjän puolesta.
Edes korotornia ei tarvitse säätää. Samalla periaatteella toimii myös Garmin Xero A1 -jousitähtäin, jossa valopiste siirtyy nappia painamalla oikealle korkeudelle, eikä tähtäintä siirretä itse.
Aseiden osalta tekoäly tulee ensimmäisenä käyttöön sotateollisuudessa, mistä se sitten aikanaan valuu siviilipuolen tuotteisiin. Konsepteja tekoälyllä varustetuista sota-aseista on jo olemassa. Metsästysaseissa AI:lla voisi kuvitella ensi alkuun olevan käyttöä esimerkiksi ergonomian yksilöllisessä kustomoinnissa tai entistä tarkempien piippujen kehittämisessä.
Hidasteita ja eettisiä ongelmia
Vaikka isojakin harppauksia on jo otettu, on tekoälypolun varrella vielä useita hidasteita ja haasteita. Tekoälyä hyödyntävä tuotekehitys on ainakin toistaiseksi suhteellisen kallista, sekä algoritmit joiltain osin vasta oppimisprosessinsa alkutaipaleella.
Monimutkainen digitaalinen tiedonkäsittely vaatii lisäksi vakaata infrastruktuuria, esimerkiksi nopeita internet-yhteyksiä ja tehokasta prosessointikykyä toimiakseen optimaalisesti.
Yksi tekoälyn hyödyntämisen suurimmista eettisistä haasteista liittyy datan keräämisen, säilyttämisen ja jatkojalostamisen ongelmallisuuteen. Tekoäly vaatii valtavan määrän tietoa toimiakseen ja oppiakseen, mutta miten tätä dataa, kuten paikkatietoja, kuvia ja käyttäjien itsensä syöttämää aineistoa säilytetään, käsitellään ja hyödynnetään?
Tietävätkö käyttäjät mihin automaattisesti sovellukseen siirtyvät riistakamerakuvat tai lämpötähtäimellä kuvatut tilannevideot päätyvät, ja miten niitä jatkojalostetaan? Prosessien avoimuudelle ja läpinäkyvyydelle on varmasti jatkossa yhä enemmän tilausta.
Toinen eettinen kysymys on, miten varmistaa riistaeläimille reilu mahdollisuus selviytyä hengissä?
Toinen eettinen kysymys on, miten varmistaa riistaeläimille reilu mahdollisuus selviytyä hengissä? Kuten jo lämpökameroidenkin kanssa on nähty, eläinten löytäminen ja tunnistaminen helpottuvat jatkuvasti. Tekoälyn laajempi käyttöönotto tulee väistämättä tarjoamaan metsästystä huomattavasti helpottavia tuotteita ja palveluita. Uusia teknologisia askeleita otettaessa on syytä matkan varrella kysyä, missä eettisyyden raja lopulta kulkee?
Milloin metsästyksestä tulee liian helppoa? Onko apuvälineiden käytön ja taidon opettelun väliselle janalle edes mahdollista asettaa rajapyykkiä jota ei tule ylittää?
Kaikkea vastuuta ei tule antaa laitteiden haltuun, vaan metsästäjien tulisi olla tietoisia ja kiinnostuneita siitä, miten tekoälyä käyttävät laitteet toimivat, ja mihin niiden “päätöksenteko” perustuu.
Tekoäly tulee integroitumaan osaksi metsästystä, riippumatta siitä haluammeko vai emme. Pyörät pyörivät jo. Parhaimmillaan ja harkiten käytettynä se toivottavasti parantaa turvallisuutta ja osumatarkkuutta, edistää tiedonkulkua, helpottaa harjoittelua, sekä auttaa tutkimuksen kautta pitämään riistakannat ja elinympäristöt elinvoimaisina. Harkintaa ja malttia vaaditaan kuitenkin varmasti meiltä kaikilta matkan varrella.
