亚洲二区三区在线,久久久久高清毛片一级,亚洲综合一区二区三区不卡,中文不卡av

這是一維碼（條形碼）。

這是二維碼。

這是“三維碼”。

StripeSpotter的圖像識(shí)別｜參考資料[4]

沒搞錯(cuò)，這個(gè)“三維碼”是細(xì)紋斑馬（Equus grevyi）身上的圖案。細(xì)紋斑馬分布在非洲的肯尼亞和埃塞俄比亞，是所有野生馬科動(dòng)物中是體型最大的。然而，為了獲取細(xì)紋斑馬的皮毛，盜獵者對(duì)細(xì)紋斑馬大肆獵殺。再加上棲息地的喪失，目前野生細(xì)紋斑馬的數(shù)量?jī)H剩約2800頭，已經(jīng)被列為瀕危物種。

細(xì)紋斑馬比其他斑馬更高，耳朵更大，斑紋更狹窄｜Wikipedia

為了更好地保護(hù)這些斑馬，幾位科學(xué)家歷經(jīng)波折，最后靈光乍現(xiàn)：請(qǐng)出AI來給斑馬們“掃碼”吧。

怎么進(jìn)行“馬口普查”？

塔妮婭·伯杰-沃爾夫（Tanya Berger-Wolf）博士現(xiàn)在是俄亥俄州立大學(xué)轉(zhuǎn)化數(shù)據(jù)分析研究所所長，她也是計(jì)算生態(tài)學(xué)（computational ecologist）最早的研究人員之一。她最開始的想法很簡(jiǎn)單：保護(hù)細(xì)紋斑馬。

伯杰-沃爾夫攻讀的是計(jì)算機(jī)科學(xué)學(xué)位，不過在本科期間，她還擔(dān)任了生態(tài)系的研究助理。計(jì)算機(jī)領(lǐng)域的大量數(shù)據(jù)與現(xiàn)實(shí)生活中瀕危物種數(shù)量的反差，給她留下了深刻的印象。在即將博士畢業(yè)的時(shí)候，她被細(xì)紋斑馬深深地吸引了。

自己的計(jì)算機(jī)技能，能否幫助到保護(hù)瀕危物種的工作呢？

在與生態(tài)學(xué)家的溝通中，她發(fā)現(xiàn)給斑馬“計(jì)數(shù)”是個(gè)難點(diǎn)。生態(tài)學(xué)家一直想推動(dòng)肯尼亞推出保護(hù)細(xì)紋斑馬的相關(guān)政策，但當(dāng)?shù)卣紤]到可能出現(xiàn)的抵制情緒，要求生態(tài)學(xué)家們可以對(duì)斑馬數(shù)量進(jìn)行準(zhǔn)確的普查。

馬口普查難｜Wikimedia commons

當(dāng)時(shí)，給野生動(dòng)物計(jì)數(shù)并沒什么先進(jìn)的方法。要不把斑馬抓來涂上標(biāo)記，要不就是麻醉斑馬給它們植入跟蹤設(shè)備。但是這些辦法又貴又費(fèi)時(shí)，而且給斑馬植入設(shè)備會(huì)出現(xiàn)創(chuàng)口，讓斑馬面臨感染的風(fēng)險(xiǎn)。

因?yàn)椤皰叽a”，誕生了新學(xué)科

剩下的還有一種笨辦法：拍照，然后人工比對(duì)斑馬身上的條紋。這讓伯杰-沃爾夫想到了新的方法：掃碼。

就像人的指紋一樣，斑馬身上的條紋也是獨(dú)一無二的。生態(tài)學(xué)家拍照后進(jìn)行人工比對(duì)，但圖像識(shí)別可以讓這一過程自動(dòng)化。

伯杰-沃爾夫和她的學(xué)生在這條路上探索，不久后，一個(gè)名為StripeSpotter的機(jī)器學(xué)習(xí)算法問世了。科學(xué)家可以將手中的相機(jī)變成掃碼器，只需要拍攝一張斑馬的圖片，并在電腦上運(yùn)行該算法。算法讀取圖像后會(huì)提取圖像中的特征并與數(shù)據(jù)庫中的信息進(jìn)行匹配，從而確認(rèn)從前是否已經(jīng)標(biāo)記過該動(dòng)物。

就像超市里用掃描儀掃描條形碼一樣｜圖蟲創(chuàng)意

這種圖像識(shí)別雖然聽起來簡(jiǎn)單，但由于不同照片的光線、角度、位置都有很大差別，即使是同一匹斑馬在圖像中看起來也可能差別很大。因此，在訓(xùn)練該算法時(shí)，研究人員使用了數(shù)千張斑馬照片來獲得一個(gè)穩(wěn)定的匹配模式。

既然可以通過斑馬的條紋來完成“掃碼”，那對(duì)于其他有花紋的動(dòng)物，是不是也可以使用類似的方法？

公民科學(xué)帶來的新未來

2013年，伯杰-沃爾夫與合作者發(fā)布了新的算法：HotSpotter。這套算法不僅可以用于斑馬的識(shí)別，更進(jìn)一步應(yīng)用到長頸鹿、豹子和獅子魚等生物數(shù)據(jù)庫的建立。

HotSpotter發(fā)布后，伯杰-沃爾夫還與肯尼亞政府進(jìn)一步溝通，將這套算法運(yùn)用到實(shí)際中，完成了一次當(dāng)?shù)厍八从械陌唏R數(shù)據(jù)調(diào)查工作。在隨后的幾年里，這批數(shù)據(jù)的準(zhǔn)確性不斷被驗(yàn)證。

從理論上來看，這個(gè)算法還能拓展到更多的物種識(shí)別上，但是伯杰-沃爾夫缺少一個(gè)關(guān)鍵的組成部分：一個(gè)強(qiáng)大的數(shù)據(jù)管理系統(tǒng)。

一次偶然的相遇讓她找到了解決辦法。

就在伯杰-沃爾夫試想“掃碼”來計(jì)算斑馬數(shù)量的時(shí)候，另一位物理學(xué)家扎文·阿祖馬尼安（Zaven Arzoumanian）被鯨鯊強(qiáng)烈吸引了。

張開大嘴的鯨鯊｜圖蟲創(chuàng)意

雖然鯨鯊是世界上現(xiàn)存體型最大的魚類，但人們對(duì)它知之甚少。阿祖馬尼安和他的程序員伙伴杰森·霍爾姆伯格（Jason Holmberg）也設(shè)計(jì)了一個(gè)識(shí)別鯨鯊的算法，還聯(lián)系了鯨鯊生物學(xué)家發(fā)起全球號(hào)召——讓全世界的業(yè)余鯨鯊觀察者通過網(wǎng)絡(luò)上傳照片，算法可以在幾秒內(nèi)識(shí)別出單個(gè)鯨鯊。

從8000多民公民科學(xué)家上傳的照片以及抓取YouTube視頻中，研究人員在75000多起目擊事件里識(shí)別出了12000多條鯨鯊。這些數(shù)據(jù)讓世界自然保護(hù)聯(lián)盟的瀕危物種紅色名錄將鯨鯊重新分類為瀕危，并確定其數(shù)量趨勢(shì)正在下降，而不是之前認(rèn)為的穩(wěn)定。

在鯨鯊上取得初步成功后，阿祖馬尼安和霍爾姆伯格想繼續(xù)拓展。但是，他們的算法不夠給力，不過有完備的數(shù)據(jù)管理系統(tǒng)——這也是伯杰-沃爾夫缺少的。

三者通力合作，用HotSpotter取代原有的算法，利用現(xiàn)有的數(shù)據(jù)管理系統(tǒng)，開始了一個(gè)野心勃勃的項(xiàng)目——建立Wildbook，就是動(dòng)物版本的Facebook。將野生動(dòng)物研究、公民科學(xué)和計(jì)算機(jī)視覺相結(jié)合，最終目標(biāo)是可以識(shí)別地球上動(dòng)物物種的個(gè)體。這樣的話，鯨鯊和斑馬，還有許許多多的動(dòng)物，都不是一個(gè)模糊的名稱，而是一個(gè)有過去和未來、充滿故事的個(gè)體。

Wildbook利用人工智能來區(qū)分動(dòng)物個(gè)體的獨(dú)特特征，例如鯨魚尾巴的曲率｜Wildme

Wildbook的一個(gè)資助者是微軟的“地球人工智能計(jì)劃”（AI for Earth）。微軟通過這個(gè)項(xiàng)目投資了5000萬美元，來支持AI技術(shù)解決環(huán)境問題的倡議。這項(xiàng)計(jì)劃的監(jiān)督者喬什·亨雷蒂格（Josh Henretig）說：“迄今為止，科學(xué)家們只發(fā)現(xiàn)了大約150萬個(gè)物種，而據(jù)估計(jì)地球上存在的物種總數(shù)可能高達(dá)1000萬。這150萬個(gè)物種里，只有不到5%被詳細(xì)分析過。有些物種正在從我們的星球上消失，而我們甚至從來都不知道?！?/p>

AI能幫人類做的，不只是寫郵件、畫畫，當(dāng)當(dāng)我們的個(gè)人秘書。比爾·蓋茨曾表示，AI將幫助消除許多領(lǐng)域的不平等，包括教育、醫(yī)療和氣候變化等。造福人類社會(huì)、保護(hù)我們賴以生存的地球，這是AI向善發(fā)展的方向。

參考文獻(xiàn)

[1]Grevy's Zebra. https://www.awf.org/wildlife-conservation/grevys-zebra

[2] https://nautil.us/how-ai-can-save-the-zebras-530362/

[3] Saving Wildlife with Vacation Photos, thanks to AI.https://www.mouser.com/empowering-innovation/artificial-intelligence/lifesciences

[4]M. Lahiri, C. Tantipathananandh, R. Warungu, D.I. Rubenstein, T.Y. Berger-Wolf. Biometric Animal Databases from Field Photographs: Identification of Individual Zebra in the Wild. Proceedings of the ACM International Conference on Multimedia Retrieval (ICMR 2011), Trento, Italy, 2011.

[5] Imageomics – A New Field of Science at the Crossroads of Biology and Machine Learning. https://www.nationalacademies.org/event/12-07-2022/imageomics-a-new-field-of-science-at-the-crossroads-of-biology-and-machine-learning

作者：普拉斯G

編輯：黃線狹鱈

本文來自果殼自然（ID：GuokrNature）