DeepMind AI通过照片跟踪野生动物，加速生态研究和保护

编辑 | Aaron

发布 | ATYUN订阅号

AI对于动物和生态保护方面来说，是得力的助手，捕捉动态和识别的能力为研究人员提供诸多便利。

DeepMind正在与生态学家和环保主义者合作开发机器学习方法，以帮助研究坦桑尼亚塞伦盖蒂国家公园内整个非洲动物社区的行为动态。

塞伦盖蒂是世界上最后一个拥有大型哺乳动物完整社区之一。随着人类对公园周围的侵蚀变得更加激烈，这些物种被迫改变行为以适应生存。

农业，偷猎和气候异常会导致动物行为和种群动态的变化，但这些变化发生在空间和时间尺度上，难以用传统的研究方法进行监测。

为此，DeepMind希望加快对数百个运动探测现场摄像机数据的分析，这些摄像机自9年前从塞伦盖蒂狮子研究计划部署以来，已经捕获了数百万张图像。

捕捉图像

摄像机通过频繁捕捉动物图像，在巨大的空间尺度上触发，使研究人员能够以极大的空间和时间分辨率研究动物的行为，分布和数量统计。

到目前为止，来自世界各地的志愿者使用Zooniverse基于网络的平台帮助识别和统计照片中的物种，该平台为公民科学家提供了许多类似的项目。

这形成了一个丰富的数据集Snapshot Serengeti，具有约50种不同物种的标签。但注释过程是劳动密集且耗时的：从触发相机到从志愿者收集标签需要长达一年的时间。

为了帮助研究人员更有效地解锁这些数据，DeepMind使用Snapshot Serengeti数据集来训练机器学习模型，以自动检测，识别和计数动物。

训练系统

预训练系统很快将在现场部署，可以对该地区数百种物种中的大多数进行与人类注释器同等或更好的操作。此外，他们还表示，它将数据处理管道缩短了9个月，而且很快就能在不可靠互联网接入的普通硬件上安全运行。

DeepMind表示，“我们开发了一个强大的模型，用于检测和分析野外数据中的动物种群，并帮助整合数据，使非洲不断增长的机器学习社区能够建立人工智能系统，我们希望这些系统能够扩展到其他公园。我们希望有助于使人工智能研究更具包容性，无论是应用的领域，还是开发人员的领域。”

DeepMind并不是首个将AI应用于生态学的。微软最近正在利用机器学习来追踪非洲大草原的大象。英特尔的TrailGuard AI系统通过使用离线的设备上AI算法检测嵌入式摄像机的运动来防止偷猎。昆士兰大学的科学家使用谷歌的TensorFlow机器学习框架来训练一种能够自动检测海洋图像中海牛的算法。

参考文章：

deepmind.com/blog/article/using-machine-learning-to-accelerate-ecological-research

END