事件背景 在尼泊爾中部地區，農民與恆河猴（Rhesus macaques, *Macaca mulatta*）之間因農作物遭毀而產生的衝突日益嚴重。根據 2026 年的一項研究顯示，該地區恆河猴的飲食結構中，有近半數來源於人類耕種的作物。
這種人獸衝突對當地農業造成顯著壓力。以 Birta Deurali 村為例，農民必須採取輪班制，每兩小時輪替一名人員在田間守候，以防止猴群入侵。由於這種守田方式對人力消耗極大，促使當地研究人員尋求利用人工智慧（AI）技術來減輕農民的負擔。
技術開發與原始主張 目前尼泊爾有兩項主要的 AI 相關技術方案正在開發或測試中：
AI 行為辨識與警報系統 由馬丹·班達里科學技術大學（Madan Bhandari University of Science and Technology）的研究員 Progress Jung Thapa 開發。該系統的組成與運作邏輯如下： 硬體組成：由攝影機與輕量化運算設備構成。 訓練數據：使用了超過 4,000 張經標記（annotated）的影像進行訓練。 功能：系統能偵測猴群並解析其行為狀態，例如區分猴群是在「移動」、「進食」還是處於「警戒」狀態。 初步成效：在 28 次田野試驗中，該系統的辨識準確率達到 88%。 運作流程：一旦偵測到威脅，系統會直接將警報發送到農民的手機上。Thapa 指出，辨識行為的目的是為了提供不同的反應時間——若猴群僅在觀察，農民尚有緩衝時間；若已開始進食，則需立即採取行動。
AI 結合超音波驅趕原型 特里布萬大學（Tribhuvan University）的助理教授 Santosh Giri 則在開發另一套原型系統。該方案主張將 AI 偵測功能與超音波驅趕裝置（Ultrasonic deterrent）結合，旨在自動化地將猴群趕離農田。
目前可確認的資訊 根據 Mongabay 報導，以下資訊已獲確認： 地理範圍：事件發生於尼泊爾中部地區。 技術數據：Thapa 的 AI 系統在 28 次試驗中準確率為 88%，訓練集為 4,000 張影像。 政策動向：尼泊爾農業、森林與環境部已於 2026 年 5 月成立了一個由 15 人組成的技術工作小組，旨在評估野生動物損害的救濟系統。
爭議點與資訊缺口 儘管技術面有初步進展，但將其轉化為實際應用仍存在多項挑戰與未知數：
技術與環境限制 研究人員 Thapa 與 Giri 均承認，田野環境的複雜性會影響系統效能。例如，密集的植被遮擋或雨天導致的視線不良，都會降低 AI 偵測的準確率。
執行面的困境 動物學家 Laxman Khanal 指出，即便 AI 系統能成功發出手機警報，但由於當地農村面臨勞動力短缺的問題，農民未必有足夠的人手在收到通知後迅速做出反應。
生物適應性風險 野生動物研究員 Naresh Subedi 警告，恆河猴具有高度的適應能力。如果驅趕裝置（如超音波）不能讓猴群感受到真正的生理風險，牠們最終可能會習慣這些刺激，導致驅趕效果失效。
政策落實滯後 2026 年的一項政策評論指出，尼泊爾現行的野生動物損害補償金無法跟上實際的損害規模，導致農民大多需自行承擔損失。此外，5 月成立的技術工作小組至今尚未發布其評估報告。
Donma Lab 的保守分析
從目前提供的資料來看，該事件呈現出「技術開發領先於實際應用」的特徵。
關於技術可行性： AI 辨識系統在受控或半受控的試驗中表現良好（88% 準確率），但其價值取決於「偵測 $\rightarrow$ 通知 $\rightarrow$ 反應」這一完整鏈條的效率。目前該鏈條在「反應」端（勞動力短缺）與「環境」端（視線遮擋）存在明顯漏洞。
關於驅趕效果： 超音波驅趕系統目前僅處於原型階段，尚未在實際農場環境中測試。結合動物行為學中常見的「習慣化」（Habituation）現象，該方案的長期有效性存疑。
結論： AI 監控系統可被視為一種有效的「預警工具」，能降低農民全天候守田的心理與生理壓力。然而，若缺乏配套的勞動力支持或能產生實質威懾的驅趕手段，以及政府補償政策的失效，單純的技術導入可能無法從根本上解決人獸衝突問題。目前該方案仍處於研究與原型驗證階段，尚未形成可大規模部署的成熟解決方案。