南加州大学（USC）的研究人员领导的一项研究发现，全球有307个此前未被识别的机场可能涉及非法野生动物交易。该研究于5月23日发表在《Nature Communications Earth&Environment》杂志上，揭示了人工智能和网络科学如何帮助当局和保护组织打击非法野生动物贸易，识别交易枢纽，即便在那些此前未被标记的机场，甚至在事件被报告之前。
南加州大学高等计算学院和马里兰大学帕克分校的研究人员分析了全球近2000个机场的特征。他们的模型预测有307个机场可能参与非法野生动物交易，尽管在现有数据中没有记录到缉获事件。其中，11个机场被确定为高置信度的“隐藏热点”——包括两个美国机场：达拉斯沃思堡国际机场和丹佛国际机场，这两个机场此前未在全球走私数据库中被标记。
该预测模型利用历史走私数据中的模式和当前对关键机场特征的洞察来识别可能参与非法贸易的地点，这些特征包括机场在航班网络中的中心位置。此外，机场发生与植物相关犯罪的发生率，以及当地反走私或执法抵御措施的力度，也被证明是重要的预测因素。
这种新方法为保护组织、联邦机构以及其他决策者提供了通过机场了解全球非法野生动物贸易模式的全新视角。除了美国外，其他的机场热点还在中国、印度尼西亚、意大利、墨西哥和菲律宾被发现。
这篇题为《编码和解码非法野生动物贸易网络揭示关键机场特征和未被发现的热点》的论文，一作者是南加州大学Thomas Lord计算机科学系的博士生Hannah Murray，共同作者包括南加州大学计算机科学副教授、南加州大学社会人工智能中心联合主任Bistra Dilkina，以及马里兰大学帕克分校地理科学系教授兼研究主任Meredith Gore。
“这些发现可以使决策者能够更主动地选择如何预防野生动物走私，而不是目前的被动应对方法，”Murray说，她是南加州大学社会人工智能中心（CAIS）的学生的牵引者。
“我们模型最重要的成果是为致力于打击非法野生动物贸易的人们提供了实用的见解，例如如何分配有限的资源，以及如何确定需要优先干预的地方以产生最大效果。”
“非法野生动物贸易是仅次于栖息地丧失和生境破碎化的对野生动物的第二大威胁，为了保护关键生物多样性，我们迫切需要更有效地解决这个问题，” 她说，“然而，可用于打击野生动物走私的知识和数据驱动工具是有限的。其实不应该是这样的。”
Murray在佐治亚理工学院攻读数据科学硕士学位时发现了自己对野生动物保护的热情，Dilkina此前曾在那里任教。她说，她的工作灵感来自于揭示非法野生动物贸易中 “不可见” 部分的挑战。
“我们知道的信息来自有记录的查获事件。但那些未被检测到或从未报告的事件呢？我们的模型提供了一个工具，使这些不可见的模式变得可见。”
有了这些新信息，海关当局可以考虑在新标记的机场开始或加强货物和手提行李的检查。
“在这些地点运营的航空公司可能还需要要求机组人员完成年度野生动物走私意识培训，例如国际航空运输协会提供的培训。与此同时，保护组织可以加强与大洋洲航空和客运部门的互动，以支持意识建设、监测和改进数据收集，” Gore说。
理解复杂的关系
Dilkina在利用数据驱动方法打击野生动物走私方面的研究包括一个此前由美国国家科学基金会资助的项目，该项目专注于检测和拦截非法供应链，以及一个正在进行的重大国际倡议“穿山甲行动”，该倡议将尖端传感器技术、大数据、人工智能和跨学科保护科学结合起来，打击世界上被走私最多的物种之一。
Dilkina强调了这项最新工作在帮助我们理解野生动物走私与机场运营之间复杂关系方面的潜力。
“使用机器学习模型使我们能够捕捉到可能在机场非法野生动物贸易活动中起作用的不同因素之间的复杂非线性关系。”
“重要的是，我们还可以利用该模型超越训练数据，推断到那些可能没有报告过先前查获事件的机场，从而发现可能的隐藏热点，”Dilkina说。
为未来奠定基础
该研究扩展了南加州大学校友Aaron Ferber之前由美国国家科学基金会资助的工作，Ferber现在是康奈尔大学的博士后研究员，他曾开发了一个人工智能模型来预测非法野生动物交易的流动。
研究团队希望这项最新研究将为未来的研究奠定基础，为决策者提供更强有力的数据驱动优势，以打击非法野生动物贸易。这种方法还可以被改动以应对其他形式的非法活动，如毒品和人口贩卖。
- 擅长申请：
- 研究生
- 擅长方案：
- 出国留学规划，申请规划
