AI chrání slony na kolejích: 9 481 bezpečných přechodů

Dva a půl roku provozu, 9 481 bezpečných přechodů slonů přes železniční trať a 3 821 vlaků, které kvůli nim zpomalily nebo zastavily. To je bilance systému včasného varování, který v indickém státě Tamilnádu hlídá jeden z nejnebezpečnějších úseků kolejí procházejících sloním koridorem. Nejde o pilotní projekt v laboratoři — jde o provozní systém, na jehož výstupy se každý den spoléhají strojvedoucí.

Problém, který hlídky nedokázaly vyřešit

Indie je domovem zhruba 60 % všech volně žijících slonů indických a podle tamního Ministerstva životního prostředí leží asi 80 % jejich přirozeného areálu mimo chráněná území. Lidé a sloni se tak potkávají neustále a střety bývají smrtelné: za posledních pět let si vyžádaly kolem 3 000 lidských životů, od roku 2014 zemřelo přes 1 000 slonů. To vše uvádí MIT Technology Review v přehledu indických systémů včasné detekce.

Železniční koridor Madukkarai u Kójambatúru, kudy vede trať mezi Kéralou a Tamilnádem, patřil k nejrizikovějším úsekům. Stáda tudy pravidelně přecházejí mezi dvěma lesními celky. Ochrana dlouho stála na pěších hlídkách lesní správy. Ty fungovaly — jen ne v noci, ne v hustém dešti, ne v mlze a ne na desítkách kilometrů najednou. Než se varování od hlídky dostalo tam, kam mělo, uběhly klidně hodiny.

Jak systém funguje: dvanáct věží a hranice sta metrů

Podle oficiálního vládního sdělení citovaného serverem The Register tvoří systém síť dvanácti stožárových kamer s termovizí a detekcí pohybu. Detekuje slony ve vzdálenosti do 100 metrů od kolejí a automaticky spouští poplach.

Zajímavější než hardware je ale rozhodovací logika. AI nereaguje na pohyb jako takový — vyhodnocuje tvar těla, tepelný podpis a další rozlišovací znaky, aby odlišila slona od člověka, dobytka, jelena, gaura, leoparda i vozidla. Model byl natrénovaný na tisících termálních snímků pořízených v různých podmínkách a průběžně se dotrénovává na reálných datech z provozu.

Když systém slona potvrdí, vygeneruje se výstraha s přesnou geolokací a číslem nejbližšího železničního hektometrovníku. Poplach zazní v dispečinku, odkud jde současně na železniční řídicí pracoviště a lesní správu. Výpravčí předá strojvedoucímu přesnou polohu stáda po železničním okruhu a ten podle standardních předpisů zpomalí nebo zastaví. Lesníci mezitím sledují pohyb stáda a po uvolnění koridoru se provoz vrací do normálu.

Stojí za povšimnutí, co v tom řetězci není: AI nikde nezasahuje do řízení vlaku. Dodává informaci — rozhoduje člověk podle existujících předpisů.

Čísla po dvou a půl letech provozu

Podle údajů, které projektu poskytla indická úřednice Supriya Sahu v rozhovoru pro Indian Masterminds, systém za dva a půl roku zaznamenal:

• 9 481 bezpečných přechodů slonů přes trať
• přes 7 116 výstrah předaných železnici a strojvedoucím
• 3 821 případů, kdy vlak kvůli výstraze zpomalil nebo zastavil

Vedlejším produktem je ekologická databáze: tisíce detekcí jelenů, gaurů a leopardů, které se dají použít pro plánování ochrany přírody. Data, která by jinak nikdo nesbíral.

Proč systém raději vyhlásí planý poplach

Nejzajímavější rozhodnutí celého projektu je návrhové, ne technické. Systém je záměrně nastavený tak, aby chyboval směrem k opatrnosti. Hustá vegetace, netypická poloha zvířete nebo měnící se počasí občas vedou k falešné výstraze — a projektový tým to bere jako přijatelnou cenu.

„Jako u každého systému postaveného na AI nemůže žádné řešení tvrdit, že je stoprocentní,“ říká Supriya Sahu. „Po více než dvou a půl letech nepřetržitého provozu ale systém prokázal vysokou spolehlivost v reálných terénních podmínkách. V ochraně přírody je obecně lepší občas vyhlásit preventivní poplach než přehlédnout přítomnost slona.“

To je přesně ta úvaha, která ve firemních AI projektech nejčastěji chybí. Než začnete měřit přesnost, musíte vědět, která chyba vás stojí víc.

Co si z toho může vzít česká firma

Sloní koridor v Tamilnádu a fakturace v Brně spolu nemají nic společného — ale rozhodnutí, která ten projekt drží nad vodou, se přenášejí docela dobře:

1. Jeden úzce definovaný problém. Ne „AI pro ochranu přírody“, ale „detekuj slona do 100 metrů od koleje a pošli výstrahu“. Zadání, u kterého poznáte, jestli funguje.
2. Metrika, která odpovídá realitě. Nesledují přesnost modelu v procentech, ale počet bezpečných přechodů. Business metrika, ne technická.
3. Člověk v rozhodovací smyčce. AI dodává vstup, rozhoduje strojvedoucí. Systém tím pádem nemusí být dokonalý, aby byl užitečný.
4. Asymetrie chyb je vědomé rozhodnutí. Falešný poplach stojí pár minut zpoždění. Přehlédnutý slon stojí životy. Nastavení prahu z toho vyplývá samo.
5. Napojení na existující procesy. Výstraha používá čísla hektometrovníků, která železničáři znají. Nikdo se nemusel učit nový jazyk.

Většina neúspěšných firemních AI projektů padne na prvním a třetím bodu — zadání je příliš obecné a nikdo nedefinoval, kdo a podle čeho na výstup AI reaguje. Pokud řešíte, jestli má AI ve vaší firmě smysl a kde přesně začít, projdeme to s vámi krok za krokem — včetně toho, co byste dělat neměli. Úvodní konzultace je nezávazná a řekneme vám i to, co nechcete slyšet. Další příklady nasazení AI najdete v sekci AI v praxi.

Kam se to rozšiřuje dál

Madukkarai není jediný pokus. Podle vládního sdělení funguje v Ásámu takzvaný Distributed Acoustic System — detekce narušení postavená na optických vláknech — na 64 kilometrech sloních koridorů a 141 kilometrech traťových úseků; převzít ji má i East Coast Railway. Indické železnice zároveň schválily instalace v osmi železničních obvodech.

A zajímavý detail na závěr: tentýž vládní materiál zmiňuje terénní průzkumy, které našly stovky míst, kde problém vyřeší most, podchod nebo plot. Bez jakékoli AI. Zdravý rozum, který v technologických projektech dost často chybí — technologie je nástroj, ne cíl.

Časté otázky

Jak AI pozná slona od jiného zvířete?

Model vyhodnocuje tvar těla, tepelný podpis z termokamery a další rozlišovací znaky. Byl natrénovaný na tisících termálních snímků z různých podmínek a dokáže odlišit slona od člověka, dobytka, jelena, gaura, leoparda i vozidla. Průběžné dotrénování na reálných datech z provozu jeho přesnost dál zlepšuje.

Zastavuje AI vlaky automaticky?

Ne. Systém pouze generuje výstrahu s geolokací a číslem nejbližšího hektometrovníku. Ta jde do dispečinku, odtud na výpravčího a ten ji předá strojvedoucímu. O zpomalení nebo zastavení rozhoduje člověk podle standardních železničních předpisů.

Dá se podobný přístup použít i v běžné firmě?

Princip ano. Úzce definované zadání, business metrika místo technické, člověk v rozhodovací smyčce a vědomé rozhodnutí, kterým směrem má systém chybovat — to jsou přenositelné zásady bez ohledu na obor. Konkrétní technologie se samozřejmě liší.

Zdroje: MIT Technology Review — Elephant alert! AI warning systems aim to avoid deadly clashes (23. 6. 2026) · The Register — India tests whether AI can stop trains hitting elephants (16. 3. 2026) · Indian Masterminds — 9,481 Safe Elephant Crossings (20. 7. 2026)