人工智慧用在生态保育是什么概念？纽西兰鸟类研究员告诉你

Victor Anton 在东京Google AI 论坛向亚太区媒体揭示AI 目前纽西兰特种鸟类的保育计画所扮演的角色。

人工智慧、机器学习在各项 生活应用上逐渐被体现，语音助理、精准医疗、机器翻译都用上了，不过机器学习应用于环境保护是怎么样的概念呢？ 在Google东京亚太区AI论坛上，来自不同领域与谈人分享他们最新导入AI之成果，其中一项研究将有助于生物保育，来 纽西兰威灵顿维多利亚大学博士生Victor Anton为我们揭晓。

来自于西班牙的Victor Anton ，目前为纽西兰威灵顿维多利亚大学博士生， 致力使用新技术了解生态系统之运作，他告诉我们，在纽西兰有非常多独特的鸟类，光是特有种就占全部的28%，是相当重要的生态区，和日本与英国相比，日本的特有种鸟类只占4%，英国甚至占不到1%；而从他们的传统服饰、酒瓶商标甚至是纸钞上的图样，不难发现这些特有种在纽西兰的传统毛利文化或是现代社会都占有非常重要的地位，然而因森林砍伐、栖息地缩减或掠食者等影响，纽西兰特有种鸟类正面绝种危机，鸟类的保育及复育行动为当务之急。

目前团队已采取保育行动，包含用种植原生树种、放置巢箱和喂食器等方式来吸引特有种鸟类，并帮它们设置围栏保留区，除了能确保纽西兰特有种不会受到外来掠食者的攻击，同时可确保繁殖稳定性，当地民还是可以在保育区欣赏这些纽西兰鸟类。

声音讯号录音装置布局于鸟类的栖地

针对野外特有种，他们在威灵顿的郊外设置声音讯号录音装置，希望藉由不同的鸟叫声来辨别物种，加上设置的围栏保留区，达到丰富鸟类物种多样性的目标，透过讯号录音装置在大约六十个地点搜集到15000 个小时的音讯档，可是问题来了，若要透过人工徒法炼钢分类这些音讯，大概需要听上两年才能完成，是相当费时成本效益极低的方法，于是他将眼光投到目前最热门的人工智慧技术，导入TensorFlow 来分类鸟类的叫声，根据Victor Anton 的说明，他先将音讯转换为图像，形成一个光谱图，在进行分类和标记，接着分类训练资料并汇入TensorFlow ，最后建立辨识模型多次训练让TensorFlow 自动判别不同鸟类的叫声。

导入TensorFlow 来分类鸟类的叫声

目前将机器学习用在环境保育的案例相当少，甚至因为大多数神经网路系统为大规模语音辨识系统所启发，很少有用于检测鸟类的案例，在鸟鸣分析就更难了！另外，还必须让机器能够判别同种鸟类在不同情境下发出的声音该如何分辨，比如，呼叫同伴、求偶之间的不同。

目前团队已将此技术试验在三种鸟类的辨识，红额鹦鹉、卡卡鹦鹉、鞍背鸦，透过搜集这些鸟类资料更近一步了解它们受到威胁的因子，不同栖地与数种鸣叫声之间关系，Victor Anton告诉INSIDE编辑，目前此模型还在发展中，希望提升分类的精准与正确性，目前也开放让公民大众参与研究，为TensorFlow提供足够的训练资料并验证分类的正确性。

Victor Anton 希望未来可以建立一个框架，让一般人也可以使用手机里的人工智慧技术辨认鸟类叫声，帮助赏鸟的人可以即时获得物种资料。同时透过远端感测可以让科学家获得更多数据资料，透过建立人工智慧开源的方式，让数据产生的图片和声音可以直接被分析，在其他地区的生物学家也可利用机器学习归纳大量数据，省下时间来做后续的结果判读和归纳，进而更有效的保育鸟类甚至将此技术带到其他生物研究，抢救其他濒临绝种的动物。

不论是先前介绍过日本食品厂用来挑选食材原料、或是 Victor Anton的特有种鸟类辨识，我们都可以看到「人工智慧」所带来的价值-AI非单纯取代人力抢饭碗，而是把这些省下来的人力成本做更有意义的事。上，Google资深研究Jeff Dean谈到AI带给人类三大核心：为使用者打造更人性化的产品、帮助开发者能够创新应用、解决人类痛点，他们试图引导产业进行各种AI专案，同时建立开源文化。

许多人认为人工智慧仍在发展初期，但我们可以从各项案例看到机器学习在分类、预测 和语言理解能力越来越强，将?劳民伤财的程序透过科技来解决，接下来我们可以思考，这些技术该如何更好的帮助人类解决问题，不论是环境、医疗、食安、甚至到教育可望都能得力于人工智慧发展。