AI助力野生動(dòng)物保護(hù)行動(dòng) 或?qū)⑴まD(zhuǎn)物種數(shù)量持續(xù)減少的惡性趨勢(shì)

世界野生動(dòng)物基金會(huì)的報(bào)告顯示，自20世紀(jì)70年代以來，脊椎動(dòng)物的數(shù)量平均減少了60%。聯(lián)合國(guó)的一項(xiàng)全球評(píng)估發(fā)現(xiàn)，有近100萬物種面臨滅絕的危險(xiǎn)，其中許多物種甚至可能在未來10年內(nèi)就盡數(shù)滅絕。

為了更有效地保護(hù)野生動(dòng)物，谷歌與七家國(guó)際動(dòng)物保護(hù)組織聯(lián)合起來，憑借運(yùn)動(dòng)相機(jī)拍攝的照片，繪制了450多萬只野生動(dòng)物的行動(dòng)地圖。這些照片都發(fā)布在了野生動(dòng)物觀察平臺(tái)（Wildlife Insights）上，這是一個(gè)支持AI系統(tǒng)的、基于谷歌云而運(yùn)行的平臺(tái)，通過加速動(dòng)態(tài)照片分析來簡(jiǎn)化保護(hù)和監(jiān)測(cè)野生動(dòng)物的流程。

人力處理數(shù)據(jù)困難重重

通過向平臺(tái)傳送保護(hù)區(qū)照片和匯總數(shù)據(jù)，每個(gè)人都有機(jī)會(huì)改變?cè)摫Ｗo(hù)區(qū)的管理方式，并由專業(yè)環(huán)保人士和決策者的介入，最終幫助增強(qiáng)其保護(hù)能力，為野生動(dòng)物提供更佳的保護(hù)環(huán)境。

通過運(yùn)動(dòng)相機(jī)拍攝的動(dòng)物活動(dòng)的動(dòng)態(tài)照片，能夠幫助研究人員檢測(cè)并評(píng)估該野生動(dòng)物物種的健康狀況，這對(duì)那些常日隱居的、罕見的物種來說尤為必要。運(yùn)動(dòng)相機(jī)在捕捉到活動(dòng)跡象后，將被自動(dòng)觸發(fā)以拍攝照片。生物學(xué)家和土地管理者在世界各處的森林和荒野地區(qū)都安裝了運(yùn)動(dòng)相機(jī)來監(jiān)測(cè)物種，每年能拍攝數(shù)百萬張照片。

但當(dāng)你有數(shù)百萬張野生動(dòng)物的動(dòng)態(tài)要整理時(shí)，面對(duì)堆積如山的數(shù)據(jù)，你會(huì)怎么做呢？更棘手的情況是，對(duì)于那些黑暗的、或在灌木叢間拍攝的照片，難以快速找到動(dòng)物所在，你又將如何快速處理它們呢？如果光憑人力，又該如何快速過濾多達(dá)數(shù)十萬張的由自然因素觸發(fā)的（如風(fēng)吹過后搖曳的草），而并無動(dòng)物存在的無效照片呢？

若單純用人力來工作，處理所有這些照片格外費(fèi)時(shí)費(fèi)力。在谷歌的野生動(dòng)物觀察平臺(tái)上線之前，十幾年來，生物學(xué)家們?cè)谑占行?shù)據(jù)方面都遭遇了莫大的挑戰(zhàn)。

用AI系統(tǒng)照亮自然界

有了野生動(dòng)物觀察平臺(tái)，生物學(xué)家們可以將已收集到的圖像上傳到谷歌云上，并在編輯圖像時(shí)構(gòu)建谷歌的物種識(shí)別AI模型，并與其他在線用戶合作在地圖上可視化野生動(dòng)物，從而實(shí)現(xiàn)遠(yuǎn)程觀察動(dòng)物的健康狀況的圖景。它是世界上最大和且最多樣化的公共動(dòng)態(tài)照片數(shù)據(jù)庫(kù)，允許人們探索數(shù)以百萬計(jì)的野生動(dòng)物動(dòng)態(tài)圖像，并按物種、國(guó)家和拍攝年份來查詢圖像。

一般而言，一個(gè)人每小時(shí)只能標(biāo)記300到1000張圖像。但在谷歌人工智能系統(tǒng)的幫助下，野生動(dòng)物觀察平臺(tái)可以將圖像分類速度提高3000倍，達(dá)到每小時(shí)分析360萬張照片的高效率。在平臺(tái)的開發(fā)階段，為了實(shí)現(xiàn)這一目標(biāo)，研究團(tuán)隊(duì)構(gòu)建了一個(gè)AI模型，訓(xùn)練其使用谷歌的開源系統(tǒng)TensorFlow框架對(duì)圖像中的物種進(jìn)行自動(dòng)分類。

不僅如此，TensorFlow的機(jī)器學(xué)習(xí)系統(tǒng)還能識(shí)別鳥鳴聲，并監(jiān)測(cè)不同鳥兒的身體狀況和活動(dòng)。在監(jiān)測(cè)時(shí)，系統(tǒng)將記錄的音頻切成數(shù)分鐘的片段，然后將文件轉(zhuǎn)換成聲譜圖。根據(jù)節(jié)奏，聲譜圖被一一切割，每個(gè)聲譜圖之間的間隔不足一秒，再由AI神經(jīng)網(wǎng)絡(luò)分別對(duì)其進(jìn)行分析處理。通過這樣的數(shù)據(jù)處理過程，系統(tǒng)能快速識(shí)別出在該時(shí)間段內(nèi)出現(xiàn)了哪種鳥的叫聲，并在匯編聲譜后，生成鳥兒的活動(dòng)記錄。

TensorFlow已能夠處理不同鳥兒的聲譜圖來識(shí)別它們的聲音

盡管物種識(shí)別對(duì)AI來說是一項(xiàng)具有挑戰(zhàn)性的任務(wù)，但在谷歌的AI模型所訓(xùn)練過的614個(gè)物種中，美洲虎、白唇山雀和非洲象等物種能被系統(tǒng)正確識(shí)別的概率已在80%到98.6%的區(qū)間內(nèi)。保險(xiǎn)起見，沒有絕對(duì)的正確識(shí)別把握的圖像會(huì)被系統(tǒng)自動(dòng)刪除，這保證了生物學(xué)家在平臺(tái)上查詢到的圖像都是有效照片。

有了這些數(shù)據(jù)，保護(hù)區(qū)的管理者以及反偷獵項(xiàng)目的組織者可以實(shí)時(shí)線上評(píng)估特定物種的健康狀況，地方政府可以利用這些信息為決策提供數(shù)據(jù)支持，并制定相應(yīng)的保護(hù)措施。

AI分類工具幫助研究人員對(duì)614個(gè)物種進(jìn)行分類

得益于先進(jìn)技術(shù)、數(shù)據(jù)共享和科學(xué)分析的有效結(jié)合，如今，我們有機(jī)會(huì)扭轉(zhuǎn)物種數(shù)量持續(xù)減少的惡性趨勢(shì)。

雖然我們才剛剛開始在野生動(dòng)物觀測(cè)方面應(yīng)用機(jī)器學(xué)習(xí)技術(shù)，但也已小有成就。從用戶們的反饋來看，用AI助手來給照片分類，并由生物學(xué)家進(jìn)行觀測(cè)的解決方案，是可以幫助我們保護(hù)大自然和生態(tài)系統(tǒng)的，如此一來，我們的后代也有可能與眾多被合理保護(hù)著的野生動(dòng)物和諧共處。

紀(jì)錄片《森林里的眼睛：使用運(yùn)動(dòng)相機(jī)和人工智能拯救哥倫比亞的野生動(dòng)物》更為詳細(xì)地介紹了野生動(dòng)物觀察平臺(tái)。這部紀(jì)錄片主要講述了一個(gè)攝影師的故事，他在野生動(dòng)物觀察平臺(tái)上記錄了亞馬遜地區(qū)卡諾克里斯泰利斯保護(hù)區(qū)的動(dòng)物的數(shù)據(jù)，這些動(dòng)物也因?yàn)樗膮⑴c而獲得了更好的保護(hù)。