מצלמה, מודל זיהוי ורמקול מנסים לפתור בעיה יקרה מאוד — אבל לזהות בעל חיים ולהצליח להזיז אותו הם שני דברים שונים.
🔗 קישור למוצר: Flox Edge
לבינה מלאכותית יש כבר מספיק דרכים לכתוב לנו מייל. Flox Intelligence מציעה לה תפקיד אחר: לשכנע בעל חיים לרדת מהמסילה. החברה, שצמחה ממעבדת AI ב־KTH בשטוקהולם ב־2020, משלבת ראייה ממוחשבת, מדעי ההתנהגות וקולות המותאמים לחיות כדי להרחיקן ממקומות שבהם המפגש עם בני אדם עלול להיגמר רע. הכתבה החדשה ב־TechCrunch מפנה זרקור לפתרון שלה עבור מסילות, כבישים ושדות תעופה. הכינוי המתבקש הוא דחליל חכם, אבל הרעיון מעניין דווקא מפני שהוא מנסה לחרוג מהעיקרון הישן של להשמיע רעש ולקוות לטוב: לזהות מי הגיע, לבחור תגובה מתאימה ולתעד מה קרה אחריה. המטרה היא להגן על בעלי החיים וגם על התשתית — ועל לוח הזמנים של מי שמשתמש בה.
המוצר הזמין של החברה, Flox Edge, הוא יחידה המופעלת בסוללה ומותקנת על עץ, גדר או עמוד. חיישן תנועה מפעיל מצלמה, מודל מקומי מזהה את בעל החיים, ורמקול משמיע אות קולי שנבחר לפי המין וההקשר. הזיהוי וההרחקה מתבצעים במכשיר עצמו, גם בלי חיבור לרשת; כשהתקשורת חוזרת, אפשר לסנכרן נתונים ועדכונים. לפי מפרט החברה, זמן התגובה קצר משתי שניות וטווח הזיהוי מגיע עד 40 מטר, בהתאם לגודל החיה. אלה נתוני יצרן, וכדאי לקרוא גם את האותיות הקטנות: בקטלוג המינים שלה הטווחים מתייחסים לתנאי יום, מזג אוויר יבש וראות סבירה, ומשתנים בין מינים. החברה אומרת שהתגובות משתנות כדי לצמצם התרגלות לקולות חוזרים — נקודה מכרעת במערכת שאמורה לעבוד גם אחרי שהחיות כבר שמעו אותה פעמים רבות.
הלקוח כאן אינו מי שמחפש גאדג'ט לגינה, אלא מפעיל תשתית שמנסה למנוע השבתות, תיקונים וסיכון. לפי אלסטום, בשוודיה מדווחות מדי שנה כ־5,000 התנגשויות של רכבות בבעלי חיים. מעבר לפגיעה בחיות, החברה מציינת עיכובים, נזק לרכבות ולתשתיות ועלויות למשק. זה מסביר מדוע פתרון להרחקת חיות יכול לעניין יצרנית רכבות גדולה: גם הפחתה חלקית במספר האירועים עשויה להיות בעלת ערך תפעולי. אבל זו עדיין אפשרות עסקית, לא חיסכון שהוכח עבור Flox. הניתוח הכלכלי צריך לכלול רכישה והתקנה, תחזוקה, טיפול בסוללות וביצועים לאורך עונות שונות. מערכת שמצליחה באתר אחד יכולה להיות מועילה מאוד; השאלה היא כמה מההצלחה הזאת עוברת לאתר הבא, עם חיות אחרות ותנאים אחרים.
בהודעת אלסטום ממאי 2026 מופיע ניסוי שמרחיב את הסיפור מעבר למכשירים נייחים: מערכת זיהוי והרחקה הנבחנת על רכבות בשוודיה, בשיתוף רשות התחבורה האזורית Tåg i Bergslagen והמפעילה VR. השלב הראשון התמקד בזיהוי חיות; באפריל החל שלב הכולל גם הרחקה באמצעות קול. לצד הדיווח על פוטנציאל, אלסטום מציינת פערים בביצועים: הזיהוי היה מדויק במיוחד בחיות משק ובעופות כמו עורבים ויונים, בעוד שאיילי קורא ואיילי הכרמל דרשו אימון נוסף. זיהוי מדויק אינו הוכחה למניעת התנגשות. בהודעה לא מוצג שיעור הפחתה כמותי בתאונות. כדי לבחון את ההבטחה, צריך למדוד גם אם החיה התרחקה בזמן, לאיזה כיוון זזה ומה קרה במקרים שבהם המערכת החמיצה אותה.
הזווית הישראלית אינה דורשת להניח שהמוצר כבר מתאים לכאן. תקציר מחקר של אוניברסיטת חיפה, שפורסם באתר הממשלה, מתאר את ישראל כצוואר בקבוק לנדידת ציפורים ומצביע על צורך למפות את תנועתן כדי להעריך ולהפחית התנגשויות בתשתיות במרחב הימי והחופי. מכאן עולה הבחנה שימושית: מיפוי רחב של נתיבי נדידה וטיפול מקומי בחיה שהתקרבה למתקן פותרים בעיות שונות. מכשיר עם טווח של עשרות מטרים יכול, עקרונית, להיות שכבה מקומית בתוך מערך הגנה; הוא אינו תחליף להבנת מסלולי התנועה ולתכנון התשתית. זו גם הסיבה שפיילוט ישראלי, אם ייערך, יצטרך לבדוק מינים מקומיים, תנאי שטח והשלכות על הסביבה — ולא להסתפק בהדגמה שבה ציפור אחת עפה מהפריים.
הערך האפשרי של Flox רחב יותר מהצליל שיוצא מהרמקול. תיעוד עקבי של מפגשים עם חיות יכול לעזור למפעילים להבין היכן ומתי נוצרים סיכונים, ולבחון אם אמצעי ההגנה שלהם עובדים. מבחינה עסקית, זו הצעה מעניינת: לחבר בין פעולה בשטח לבין מידע שמאפשר לשפר אותה. אלא שאותו תיעוד צריך גם להעמיד את ההבטחה למבחן. כמה התנגשויות נמנעו ביחס לתקופה או לאתר דומים? האם היעילות נשמרה אחרי חודשים? האם ההרחקה העבירה את הבעיה למקום אחר? אלה שאלות לניתוח ולרכש עתידי, לא ממצאים שכבר פורסמו. Flox מציגה שימוש ב־AI עם יעד ברור ומוחשי: פחות חיות ותשתיות באותו מקום ובאותו רגע. עכשיו צריך להראות שהחיות ממשיכות להשתכנע גם אחרי שהחידוש נגמר.
