AI giám sát đa dạng sinh học là việc dùng các mô hình máy học để xử lý khối dữ liệu khổng lồ mà con người thu từ thiên nhiên: ảnh từ bẫy ảnh, bản ghi âm thanh trong rừng, ảnh vệ tinh, dữ liệu trình tự ADN. AI không tự đi đếm loài, nhưng giúp các nhà khoa học lọc và phân loại dữ liệu nhanh hơn rất nhiều so với làm bằng tay.
Đây là một trong những ứng dụng AI gần với môn Sinh nhất mà học sinh có thể hiểu đến tận cơ chế. Bài viết giải thích vì sao đếm loài ngoài tự nhiên lại khó, bốn nhóm công cụ chính, so sánh ưu nhược của từng loại, những giới hạn và vấn đề đạo đức, rồi gợi ý một dự án ghi âm tiếng chim ở sân trường mà bạn tự làm được.
Vì sao đếm loài ngoài tự nhiên lại khó
Muốn biết một loài đang tăng hay giảm, nhà sinh thái cần đếm lặp lại nhiều năm ở cùng một nơi. Nhưng nhiều loài sống ẩn, hoạt động ban đêm, sợ người, có vùng sống rộng hàng chục kilômét vuông. Một nhóm khảo sát đi bộ trong rừng có thể đi cả tuần mà không gặp con thú nào, dù chúng vẫn ở đó. Côn trùng thì ngược lại: quá nhiều, quá nhỏ, quá giống nhau để đếm bằng mắt.
Các phương pháp truyền thống như đi tuyến quan sát, bẫy sống, đếm dấu chân và phân vẫn rất có giá trị, nhưng tốn công, phụ thuộc vào kinh nghiệm của người khảo sát, và khó làm trên diện rộng. Từ khoảng hai thập kỷ gần đây, các thiết bị thu dữ liệu tự động như bẫy ảnh, máy ghi âm, cảm biến trên vệ tinh trở nên rẻ và phổ biến hơn, tạo ra lượng dữ liệu lớn tới mức con người không xem hết được.
Đó chính là chỗ AI tham gia. Vấn đề chuyển từ thiếu dữ liệu sang thừa dữ liệu chưa xử lý, và các mô hình máy học được huấn luyện để làm phần việc lặp lại: lọc ảnh trống, nhận ra tiếng của một loài, khoanh vùng rừng bị mất. Con người vẫn giữ phần quyết định và kiểm tra.
Bẫy ảnh và mô hình nhận diện động vật
Bẫy ảnh là máy chụp ảnh gắn trên thân cây, có cảm biến chuyển động và nhiệt, tự chụp khi có vật đi qua. Một đợt khảo sát với vài chục máy đặt trong vài tháng có thể tạo ra hàng trăm nghìn ảnh. Phần lớn trong số đó là ảnh trống do lá cây lay động, nắng chiếu, hoặc chỉ thấy một phần con vật.
Các mô hình nhận diện ảnh được dùng theo hai bước. Bước một là phát hiện: ảnh này có động vật, người hay xe không, giúp loại bỏ nhanh phần lớn ảnh trống. Bước hai là phân loại: con vật trong ảnh thuộc loài hay nhóm nào. Bước hai khó hơn nhiều, vì mô hình cần được huấn luyện bằng nhiều ảnh đã được chuyên gia gắn nhãn của chính các loài ở khu vực đó. Với những loài hiếm, chỉ có vài chục ảnh trên toàn thế giới, mô hình thường làm kém.
Vì vậy các nhóm nghiên cứu thường dùng AI để làm phần thô, còn chuyên gia xem lại những ảnh mô hình không chắc chắn hoặc ảnh của loài quan trọng. Ở Việt Nam, bẫy ảnh đã được nhiều chương trình bảo tồn và vườn quốc gia sử dụng để ghi nhận thú rừng; khi đọc tin về việc ghi nhận lại một loài quý hiếm qua bẫy ảnh, bạn sẽ hiểu phía sau là cả một quy trình lọc ảnh và xác minh.
Âm sinh học: nghe rừng bằng máy ghi âm
Nhiều loài dễ nghe hơn dễ thấy: chim, ếch nhái, côn trùng, vượn, cả dơi với tiếng siêu âm. Âm sinh học là lĩnh vực đặt máy ghi âm tự động trong rừng, ghi liên tục nhiều ngày hoặc ghi theo lịch, rồi phân tích âm thanh để biết loài nào có mặt và hoạt động vào lúc nào.
Âm thanh thường được chuyển thành phổ âm, một dạng hình ảnh thể hiện tần số theo thời gian. Mô hình máy học xử lý những hình ảnh đó tương tự như xử lý ảnh chụp, tìm ra mẫu đặc trưng của tiếng hót từng loài. Một số công cụ nhận diện tiếng chim đã được công bố cho cộng đồng và có ứng dụng trên điện thoại, nhưng độ chính xác khác nhau rất nhiều giữa các vùng, tốt hơn với loài phổ biến ở những nơi có nhiều bản ghi mẫu.
Ngoài việc nhận từng loài, các nhà khoa học còn dùng chỉ số âm thanh tổng hợp để ước lượng mức độ sôi động của cả một cảnh âm, so sánh rừng nguyên sinh với rừng bị khai thác. Ý tưởng này còn đang được nghiên cứu và tranh luận về độ tin cậy, nên nên xem là công cụ bổ sung chứ chưa thay được khảo sát trực tiếp.
ADN môi trường và ảnh vệ tinh: hai cách nhìn rộng hơn
ADN môi trường tìm loài qua dấu vết. Sinh vật luôn để lại tế bào da, chất nhầy, phân trong nước và đất. Lấy mẫu nước sông hay đất rừng, tách ADN rồi giải trình tự, các nhà khoa học có thể biết những loài nào từng có mặt gần đó mà không cần thấy con vật.
Phần AI và tin sinh học trong ADN môi trường. Một mẫu có thể chứa ADN của hàng trăm loài lẫn lộn. Phần mềm tin sinh học và các mô hình máy học giúp lọc nhiễu, so trình tự với thư viện tham chiếu để gán tên loài. Độ chính xác phụ thuộc lớn vào việc thư viện có trình tự của loài đó hay chưa.
Ảnh vệ tinh theo dõi rừng và mặt nước. Vệ tinh chụp lặp lại cùng một vùng theo chu kỳ. Mô hình máy học so sánh ảnh qua các thời điểm để khoanh vùng rừng bị mất, rừng ngập mặn mở rộng hay thu hẹp, hồ bị lấn. Những bản đồ thay đổi lớp phủ rừng toàn cầu được nhiều tổ chức công bố dựa trên cách làm này.
Giới hạn của ảnh vệ tinh. Ảnh vệ tinh thấy được tán rừng chứ không thấy được thú dưới tán. Một khu rừng còn nguyên tán nhưng đã bị săn bắt sạch thú lớn, tình trạng mà giới bảo tồn gọi là rừng trống, sẽ vẫn trông xanh tốt từ trên cao.
Mây và mùa. Ở vùng nhiệt đới nhiều mây như Việt Nam, ảnh quang học thường bị che, nên các nhà nghiên cứu phải kết hợp nhiều nguồn ảnh và loại cảm biến khác nhau.
So sánh nhanh bốn nhóm công cụ
Không có công cụ nào thay được tất cả. Các chương trình giám sát tốt thường kết hợp nhiều phương pháp, mỗi phương pháp bù cho điểm yếu của phương pháp khác.
| Công cụ | Phát hiện tốt | Điểm yếu | AI làm phần nào |
|---|---|---|---|
| Bẫy ảnh | Thú và chim đi trên mặt đất, cỡ vừa và lớn | Khó với loài nhỏ, sống trên tán cây, dưới nước | Lọc ảnh trống, gợi ý loài |
| Máy ghi âm | Chim, ếch nhái, côn trùng, vượn, dơi | Loài im lặng; nhiễu do mưa, gió, tiếng người | Nhận diện tiếng theo loài, tính chỉ số âm thanh |
| ADN môi trường | Cá và sinh vật dưới nước, loài hiếm khó gặp | Không biết số lượng chính xác; phụ thuộc thư viện trình tự | Lọc nhiễu, so trình tự, gán tên |
| Ảnh vệ tinh | Thay đổi lớp phủ rừng, mặt nước trên diện rộng | Không thấy động vật, bị mây che | Phân loại lớp phủ, phát hiện thay đổi |
Khi đọc một tin tức nói "AI phát hiện loài X", hãy hỏi: dữ liệu thu bằng cách nào, AI làm bước nào, và ai đã xác minh kết quả. Ba câu hỏi đó giúp bạn phân biệt tin khoa học với tin quảng bá.
Giới hạn và vấn đề đạo đức cần biết
AI trong giám sát thiên nhiên có ích nhưng không trung lập. Một số vấn đề mà chính các nhà nghiên cứu thường nhắc:
- Thiên lệch dữ liệu: mô hình học nhiều từ ảnh và tiếng của loài ở châu Âu, Bắc Mỹ; với loài nhiệt đới, loài đặc hữu, độ chính xác thường thấp hơn.
- Sai tự tin: mô hình có thể gán nhãn sai với mức độ tin cậy cao. Không có người kiểm tra, một ghi nhận sai về loài quý hiếm có thể dẫn tới quyết định sai.
- Bảo mật vị trí loài quý: công bố toạ độ chính xác nơi có loài hiếm có thể giúp kẻ săn trộm. Nhiều nền tảng khoa học công dân tự làm mờ vị trí với loài nhạy cảm.
- Quyền riêng tư của con người: bẫy ảnh và máy ghi âm cũng thu được hình ảnh, giọng nói của người dân, người đi rừng. Dữ liệu đó cần được xử lý cẩn trọng.
- Không thay được người giữ rừng: phát hiện mất rừng nhanh chỉ có ý nghĩa khi có lực lượng và cơ chế để phản ứng trên thực địa.
Những điểm trên cũng áp dụng khi bạn tự dùng ứng dụng nhận diện: đừng đăng vị trí chính xác của tổ chim, cây quý hiếm lên mạng, và đừng coi kết quả của ứng dụng là kết luận cuối cùng.
Dự án nhỏ: ghi âm tiếng chim ở sân trường
Bạn không cần thiết bị đắt tiền để trải nghiệm âm sinh học. Một chiếc điện thoại và vài buổi sáng sớm là đủ cho một dự án nhóm có ý nghĩa.
- Chọn hai điểm khác nhau: một góc nhiều cây và một góc gần sân bê tông hay đường lớn.
- Ghi âm năm phút ở mỗi điểm vào cùng một khung giờ sáng sớm, lặp lại trong một tuần. Đặt điện thoại yên, không nói chuyện trong lúc ghi.
- Dùng một ứng dụng nhận diện tiếng chim hoặc nhờ AI phân tích nếu công cụ có hỗ trợ, ghi lại các loài được gợi ý kèm mức tin cậy.
- Nghe lại những đoạn được gắn tên loài, so với bản ghi mẫu trong tài liệu đáng tin hoặc hỏi người am hiểu về chim. Đánh dấu những kết quả bạn xác nhận được và những kết quả còn nghi ngờ.
- So sánh hai điểm: số loài, thời điểm chim hót nhiều nhất. Tự viết giải thích, có thể liên hệ với độ che phủ cây và tiếng ồn.
- Viết phần nhận xét về độ tin cậy của công cụ: bao nhiêu lần đúng, bao nhiêu lần sai theo kiểm tra của nhóm.
Bản ghi có thể lẫn giọng nói của bạn bè, thầy cô; xoá hoặc cắt những đoạn đó trước khi gửi lên bất kỳ công cụ trực tuyến nào. Không dùng loa phát tiếng chim để dụ chim lại gần, vì việc đó làm chúng căng thẳng, nhất là trong mùa sinh sản.
Câu hỏi thường gặp
AI có thể thay thế nhà sinh thái học trong việc đếm loài không?
Không. AI giúp xử lý nhanh phần dữ liệu lặp lại, nhưng việc thiết kế khảo sát, đặt thiết bị, xác minh loài khó, diễn giải kết quả và đề xuất biện pháp bảo tồn vẫn cần nhà khoa học và người có kinh nghiệm thực địa.
Bẫy ảnh có làm hại động vật không?
Bẫy ảnh không bắt giữ con vật, chỉ chụp ảnh. Đa số máy dùng đèn hồng ngoại khó thấy để chụp ban đêm nhằm giảm làm động vật giật mình. Tuy vậy, việc đi lại để đặt và thu máy vẫn cần làm cẩn thận để không xáo trộn nơi sống.
ADN môi trường có cho biết có bao nhiêu con không?
Thường là không chính xác. Lượng ADN trong mẫu phụ thuộc vào nhiều yếu tố như dòng chảy, nhiệt độ, thời gian phân huỷ. Phương pháp này mạnh nhất ở việc cho biết loài có mặt hay không, còn ước lượng số lượng vẫn đang được nghiên cứu.
Học sinh có thể đóng góp dữ liệu cho khoa học không?
Có, qua các nền tảng khoa học công dân cho phép đăng ảnh, bản ghi quan sát sinh vật để cộng đồng và chuyên gia cùng nhận diện. Hãy đăng ký cùng phụ huynh hoặc giáo viên, đọc kỹ quy định về dữ liệu, và làm mờ vị trí với loài nhạy cảm.
Ứng dụng nhận diện tiếng chim có dùng được ở Việt Nam không?
Một số ứng dụng có hỗ trợ các loài ở Đông Nam Á nhưng độ chính xác không đều, tốt hơn với loài phổ biến và bản ghi rõ. Hãy coi kết quả là gợi ý, nghe đối chiếu bản ghi mẫu và hỏi người am hiểu trước khi ghi nhận chính thức.
Vì sao không nên đăng vị trí chính xác của loài quý hiếm?
Vị trí chính xác có thể bị người săn bắt, buôn bán động vật hoang dã hay khai thác cây quý sử dụng. Nhiều tổ chức bảo tồn và nền tảng khoa học công dân tự động làm mờ toạ độ với loài nhạy cảm vì lý do này.