GPUs与深度学习技术协助科学家解救濒危的鸟类族群

前往僻远的岛屿、走遍各危崖险境寻找目标对象、架设声音传感器以侦测鸟儿的一举一动，鸟类学家的身体里常藏着007詹姆士．庞德的身手。

现在，鸟类学家逐渐采用科技（会让庞德电影里爱好各类新奇玩意儿的“Q”欣喜不已）来找出鸟儿筑巢的地点、记录鸟叫声，以及监控鸟儿们的族群活动。

留置在现场并24小时运作的声音传感器和摄影机记录下大量资料，数量多到无法以人工方式进行分析。

位于美国加州圣塔克鲁兹的 Conservation Metrics 采用深度学习技术来训练软件，并以 NVIDIA GPU 来加快训练速度，以消化处理大量资料，从而进行鸟类保育工作。

Conservation Metrics 负责人 Matthew McKown 说：“我们得进行繁重的探测工作，结束后还要处理海量资料。”

近期 Conservation Metrics 的成功案例包括协助南加州外海峡岛国家公园，监控受到啮齿目动物威胁的鸟类族群。

他们结合新式自动化调查和传统研究方式，找到神出鬼没的灰叉尾海燕，McKown说这种体积娇小的灰色鸟类“筑巢在与世隔绝之处，在地下洞穴养育幼鶵，仅在夜间出没。”

过去生物学家进行研究时，得在漆黑一片的夜间爬在陡峭崎岖又湿滑的岩石四周，而如今他们只需架设好感测器，就能24小时录制鸟叫声，自动分析录到的声音，并且带领研究人员前往安那卡帕岛上首个发现的灰叉尾海燕鸟巢。

“有了 GPUs 的助力，我们的研究工作速度加快了22倍，能够处理9万小时的资料，过去靠人工方式来收听得花上十年的光阴。”McKown 说 GeForce GTX TITAN X 是他的得力助手。“加上我们的算法就能找出罕见事件、寻找罕见鸟类、测量实施保育活动前后鸟类族群的差异，以及估算鸟类的活动范围。”

Conservation Metrics 公司人工智能部门主管 David Klein 说：“深度学习技术是最适合这项研究方式的工具，鸟类专家们可以训练自动化软件，扩大他们的影响范围。”

水薙鸟生存战

Conservation Metrics 还协助找到过去被视为已绝迹的一种海鸟。

在博物馆抽屉里的水薙鸟标本，2011年被视为一种独立物种，命名为“Bryan’s shearwater”。

在东京南方600英哩小笠原群岛的某个小岛上，偶被人瞧见这种有着黑白羽色的娇小鸟儿身影后，日本的研究人员直觉这种鸟类或许还存在。

McKown 说：“研究人员无法靠近嶙峋的环礁，他们带着传感器游向岸边，安装后经过九个月再游过去取回。我们听到令人惊喜的声音，一直都有听见长尾水薙鸟的叫声，代表牠们还存活着，可能还有繁殖的行为。”

研究人员反覆进行这项实验，2015年发现第一个鸟巢。学者们如今能将研究和保育工作集中在某处，运用自动化研究方法来深入了解影响鸟儿生存的威胁和复育因素，以保护这种极为活跃的鸟类。