最新資訊

人工智能、物聯(lián)網(wǎng)和大數(shù)據(jù)如何推動(dòng)野生動(dòng)物保護(hù)？

動(dòng)物生態(tài)研究已進(jìn)入大數(shù)據(jù)和物聯(lián)網(wǎng)時(shí)代。由于衛(wèi)星、無人機(jī)和地面設(shè)備（如自動(dòng)相機(jī)和放置在動(dòng)物或其周圍環(huán)境中的傳感器）等先進(jìn)技術(shù)，現(xiàn)在收集的野生動(dòng)物種群數(shù)據(jù)量前所未有。如今，可以使用各種 AI 程序來分析大型數(shù)據(jù)集，但它們通常在本質(zhì)上是通用的，不適合觀察野生動(dòng)物的確切行為和外觀。來自 EPFL 和其他大學(xué)的科學(xué)家團(tuán)隊(duì)概述了解決該問題的開創(chuàng)性方法，并通過結(jié)合計(jì)算機(jī)視覺與生態(tài)專業(yè)知識(shí)來開發(fā)更準(zhǔn)確的模型。

建立跨學(xué)科知識(shí)

野生動(dòng)物研究已從本地走向全球?，F(xiàn)代技術(shù)現(xiàn)在提供了革命性的新方法，可以更準(zhǔn)確地估計(jì)野生動(dòng)物種群，更好地了解動(dòng)物行為，打擊偷獵和阻止生物多樣性的下降。

生態(tài)學(xué)家可以使用計(jì)算機(jī)視覺，從圖像、視頻和其他視覺數(shù)據(jù)中提取關(guān)鍵特征，以便使用大型數(shù)據(jù)集快速分類動(dòng)物物種、計(jì)數(shù)個(gè)體動(dòng)物并收集某些信息。目前用于處理此類數(shù)據(jù)的通用程序通常像黑匣子一樣工作，并且不能充分利用有關(guān)動(dòng)物學(xué)的現(xiàn)有知識(shí)。更重要的是，它們難以定制，有時(shí)質(zhì)量控制不佳，并且可能會(huì)受到數(shù)據(jù)隱私問題的影響。它們還包含一些地域差異，例如，如果用于訓(xùn)練給定程序的所有數(shù)據(jù)都是在歐洲收集的，那么該程序可能不適合世界其他地區(qū)。

“我們希望讓更多的研究人員對(duì)這個(gè)主題感興趣并集中他們的努力，以便在這個(gè)新興領(lǐng)域取得進(jìn)展。人工智能可以作為更廣泛的野生動(dòng)物研究和環(huán)境保護(hù)的關(guān)鍵催化劑。”負(fù)責(zé)人 Devis Tuia 教授說。

例如，如果計(jì)算機(jī)科學(xué)家想要減少經(jīng)過訓(xùn)練以識(shí)別特定物種的人工智能程序的誤差范圍，他們需要能夠利用動(dòng)物生態(tài)學(xué)家的知識(shí)。這些專家可以指定程序中應(yīng)考慮哪些特征，例如一個(gè)物種是否可以在給定的緯度生存。“幾年前，我們使用這種方法改進(jìn)了熊的識(shí)別程序。”EPFL 的神經(jīng)科學(xué)家 Mackenzie Mathis 教授說，“研究人員在熊棲息地安裝了自動(dòng)攝像頭，以識(shí)別個(gè)體動(dòng)物。但熊在冬眠時(shí)會(huì)減掉一半的身體脂肪，這意味著一旦季節(jié)變化，她使用的通用程序就不再能夠識(shí)別熊. 因此，我們?cè)诔绦蛑刑砑恿藰?biāo)準(zhǔn)，不僅可以查看動(dòng)物是否具有特定特征，還可以手動(dòng)調(diào)整以允許可能的偏差。

如涉及版權(quán)問題，請(qǐng)與我們聯(lián)系，我們將即時(shí)刪除處理