Nielegalny handel dzikimi zwierzętami i roślinami jest jednym z największych zagrożeń dla ochrony różnorodności biologicznej. Obecnie zjawisko to rozszerza się na media społecznościowe. Jest to niepokojący trend, biorąc pod uwagę łatwość dostępu i popularność tych ostatnich. Skuteczne monitorowanie mediów społecznościowych ma zatem zasadnicze znaczenie w walce o zachowanie bioróżnorodności. Naukowcy z Uniwersytetu w Helsinkach twierdzą, że do śledzenia nielegalnych transakcji można zaprząc sztuczną inteligencję.
Jedyną obecnie stosowaną metodą poszukiwania przypadków nielegalnego handlu w sieci jest jej ręczne przeszukiwanie. To metoda nieefektywna, czasochłonna i nie pozwala na odkrycie łańcucha dostaw związanego z tym procederem. Organy ściganie nie są w stanie skutecznie monitorować ogromnej ilości danych z social mediów. Zastosowanie algorytmów samouczących mogłoby przyspieszyć i ułatwić ten proces, sprowadzając go do automatycznej identyfikacji istotnych informacji.
Wiele platform społecznościowych umożliwia naukowcom dostęp do tekstu, obrazów i filmów generowanych przez użytkowników, a także do towarzyszących im metadanych, takich jak miejsce i czas wczytania treści oraz interakcje między użytkownikami.
Algorytmy uczenia się maszyn mogą zostać tak skonfigurowane, aby rozpoznać gatunki zwierząt, roślin lub części ciała zwierząt takich jak np. rogi nosorożca, pojawiające się na zdjęciach lub filmach, ocenić gdzie się pojawiają - czy jest to siedlisko naturalne czy targowisko. Na tej podstawie mogą wskazać powiązania między osobami udostępniającymi czy przeglądającymi ilustracje. Reszta to już tylko działania policyjne, które zweryfikują ocenę dokonaną przez algorytm.
