TMT观察网_独特视角观察TMT行业

文|雷宇

|智能相對論

先來看一組數據。1890年，我國野生東北虎的種群數量為1200—2400只，1930年約為450只，40年間減少了75％。到20世紀80年代，我國野生東北虎已基本處于滅絕邊緣，僅14只左右，與1930年相比，減少了96％。

1890--2013年間中國野生東北虎種群變化趨勢，數據來自《四川動物》

毫無疑問，野生東北虎的數量已經越來越少。除此之外，包括小熊貓、大熊貓、白頸長尾雉、金絲猴、白鹮等在內的珍稀動物都面臨著滅絕的危險，如果我們不對動物保護引起注意，也許在未來，越來越多的動物將成為珍稀動物。幸運的是，隨著人工智能技術的發展，物種保護已經成了AI涉足環境領域的主要應用。

拿什么技術拯救你，飛禽走獸

就在世界愛虎日，英特爾公司與世界自然基金會（WWF）宣布，雙方將運用人工智能技術實施東北虎保護項目。實際上，越來越多的國家或組織開始利用人工智能技術保護野生動物。

1.任何不談物種檢測的物種保護，都是在耍流氓

物種檢測最基本的做法是，通過運動傳感攝像頭自動拍照，然后將這些照片輸入到一個模擬人類視覺皮層神經元之間連接模式的深層神經網絡，最后用文字和數字對照片進行標注，比如什么動物，數量，性別，大致年齡，位置，附近的其他動物等。由于每只動物都有自己的特征，越精確的標注越有利于真正積累有效的數據。

來自奧本大學、哈佛大學、牛津大學、明尼蘇達大學和懷俄明州大學的研究人員開發了一種機器學習算法，可以識別、描述并統計野生動物的數量，準確率高達96.6%。該研究召集了超過5萬名志愿者，并作出了貢獻。語料庫收集了大象、長頸鹿、羚羊、獅子、獵豹和其他動物在自然棲息地的圖像，對320萬張圖片進行了計算機視覺算法的訓練。

這一研究憑借群眾的力量，最終實現準確地、且低成本地收集野生動物數據，無疑值得借鑒。在物種檢測的同時，更是實現了保護生物學以及動物行為科學等相關科學的“大數據”積累。

值得一提的是，如果需要對某些陸地動物的運動軌跡和活動范圍進行檢測，比如老虎。最好是安裝智能機器視覺處理設備，對動物的活動進行更加精準的監測和數據采集。通過數據分析識別成百上千個攝像頭的圖像，追蹤其歷史運動軌跡，最后對其進行精確的畫像。

2.天上飛的水里游的，追蹤運行軌跡是基本的

說到對魚類或是鳥類，總是避不開軌跡追蹤。保護海洋生物的問題在于，難以追溯，而且需要對海洋環境，酸堿性，所處航道寬度有了解。Wildbook是一個致力于保護海洋生物的軟件，它不僅可以從人工手動上傳的動物照片中接收數據，還可以搜索圖像和視頻，甚至查看可能對它的學習有用的一切媒體。

這種深度學習方法使它能夠在不同的圖像中找到相同的精確動物，幫助研究人員更準確地使用有關動物健康，飲食習慣，狩獵模式，種群大小和潛在偷獵者活動的數據。

在上面智能相對論（aixdlun）分析師雷宇提到，集思廣益集合群眾的力量會快速積累數據。在數據難以獲取的領域，尤為明顯。康奈爾學院和康奈爾鳥類學實驗室聯手，研發出了一個叫做 eBird 的應用程序，已經擁有超過30萬志愿者提供的3億多個觀察數據。為了保證結果的準確性，研究者將 eBird 搜集的數據與實驗室觀察數據以及從遙感網絡搜集的物種分布信息結合起來，最終機器學習便能預測某些種類棲息地的變化，以及鳥類遷徙路徑。

白肚燕遷徙圖，可預測各地區的的種群變化

其實對物種軌跡的追蹤，其意義不僅在其本身的保護，更重要的是可以衡量氣候變化對野生動物的影響，為科學家提供有關氣候變化如何影響動物種群的寶貴信息。

3.偷獵者放不下手中的槍，AI只能與他正面剛

在數千平方千米的面積上，僅靠人力找到每個偷獵者根本不可能。即使是使用飛機巡邏，靠直升機或在動物行進路線上架設攝影機來偵察也不行，攝影機只能記錄單一位置的數量，直升機又太貴而且由于地面隱蔽性太強，很難在事情發生之前就實現對其的精準捕捉。而一些貧窮的地方，因為政府往往無暇保護動物，更是偷獵者的天堂。

一般人難以區分野生動物，植物，灌木

南加州大學工程和計算機科學教授 Milind Tambe 博士帶領小組對防偷盜進行了研究，他們稱這項技術為野生動物安全助手（Protection Assistant for Wildlife Security，PAWS）。

他們的數據來源主要參考兩種信息：過去哪里有情況以及哪個區域需要額外的保護。通過對這些數據的積累，對未來的襲擊地點做出更準確的預測，最后決定在哪些地方加強防護。

這就低成本的實現了利用人工智能防止捕獵，具有廣泛的使用意義。初次之外，還可以利用聲音來繪制偷獵者槍聲的所在位置的地圖，利用無人機配備紅外攝影儀巡邏等。 由于人工智能是響應式的，因此它會根據對手和它們的行為不斷改進。一方面是預測對方行為，另一方面是據此調整己方策略，隨著數據的積累越來越多，就越能實現在盜獵者盜獵前的精確捕捉。

AI無限好，問題也不少

從上面的這些技術的應用中，我們也可以發現，它依然存在不少的問題。

1.動物保護數據多是用戶上傳，質量難以保證

數據問題在人工智能與任何行業或技術結合的時候都會出現，但是動物保護的數據問題，針對不同的物種，會出現截然不同的結果。要么太多，要么太少，少有剛剛好。實際上我們都知道在機器學習中，數據并不是越多越好，機器學習會出現數據過擬合的情況。正確的說法是有用的數據越多越好，以一種采集鳥類的聲音的研究為例，數據多而雜，一般都是2000多小時以上的數據，其中包括其它鳥類的聲音，風聲雨聲落葉聲等等，一般難以實現鳥聲分離。

而在對魚類進行追蹤學習的時候，常常會出現數據不夠的窘境，因為數據包括海岸線寬度，水的酸堿度，水溫等不易獲取的數據。由于對動物的田野調查非常耗費時間，因此很多研究均鼓勵用戶或是志愿者上傳數據。這雖然提高了數據搜集效率，但也導致數據質量良莠不齊。

機器學習一直存在所謂的“黑箱”，一些不良的數據將會使機器向哪方面發展呢？

2.AI是一門技術，盜獵者也能研究

喜劇電影為了戲劇性，常常塑造出蠢賊的形象。現實生活當然也有，但我們應該知道，偷獵者很多不僅不蠢反倒極其靈活，他們心狠手辣經驗豐富。還有一些人，僅僅是以打獵為樂，他們有錢有閑，純粹是圖爺高興。這批人并沒有我們想象得那么好對付。

我們對AI保護動物的研究一方面是對其本身的追蹤保護，另一種是與偷獵者搏斗，而這通常是建立在偷獵者依然不借助高科技手段的基礎上，可能一些蠢賊和蠢人容易被甄別。但我們別忘了，AI是一門技術，當我們在研究AI保護動物的時候，偷獵者同樣在研究AI傷害動物。

偷獵者不僅有點聰明還有點張狂，他們也成立論壇交流偷獵心得，根據不同的方式分為若干個子欄目，尤其是交流區更將捕殺野生動物的過程進行了記錄，還附帶照片。我們怎么能保證具有這種偷獵癖好的沒有機器學習專家，未來的偷獵與反偷獵，很可能上升到人工智能與人工智能的對決。

在使用AI保護動物上，如果我們不建立切實可行的技術壁壘，很難說，偷獵者的野路子AI，會不會反而加速了動物滅絕。

結論

野生動物的保護，除了利用技術讓他們適應得更好。還可以建立一個生態圈，實現完整的生態鏈。利用大數據去分析，需要什么動物，什么植物，什么環境等等等，微軟就曾試圖這樣保護海洋生物，畢竟在相對密閉，相對可控的空間里，AI更能大展拳腳。同時，還可以通過對珍稀動物基因分析，克隆甚至3D打印出新的個體等。

保護動物吧！畢竟，搞不好哪一天人工智能造反了，動物還能念舊情成為我們唯一的同盟軍。