保护生物学家发现了AI工具的新应用

野外部署的自动化摄像机和其他传感器正在改变生物学家监测自然生态系统和动物种群的方式。然而，这些技术可以收集大量数据，保护生物学家越来越多地转向人工智能(AI)工具来对其进行分类。

特别是，已经广泛用于人脸识别和其他图像和语音识别应用的称为“ 深度学习 ” 的机器学习方法现在正由保护生物学家应用于分析来自非洲大象的所有图像，视频和录音。对水生昆虫。

在加州大学圣克鲁兹分校开设自然保护行动实验室的生物学家Donald Croll和Bernie Tershy一直在深入学习海鸟保护工作。他们开始开发用于监测海鸟种群的声学技术作为研究项目，并最终成立了一家名为Conservation Metrics的公司，以提供野生动植物监测服务。

“我们希望提高保护监测的效率，”生态学和进化生物学教授克罗尔说。“我们进行这些保护干预措施，例如从岛上移除入侵物种，但持续监测以跟踪干预后海鸟种群如何恢复是昂贵的。人工智能工具可以帮助我们实现自动化。”

自动声学传感器可以在嵌套位置一次记录数周或数月的声音。然后就是在数千小时的录音中找到感兴趣的物种所发出的呼叫。最初，研究人员使用传统的模式匹配工具来分析声学数据，但他们发现机器学习提供了更强大的方法。

“通过使用深度学习技术，我们的表现得到了极大的改善，”联合创始人Matthew McKown说道，他在Croll实验室担任博士后研究员，现在担任Conservation Metrics的首席执行官。

该公司的声学监测项目包括对非洲森林大象和稀有蝙蝠的研究，在老龄红木林中筑巢的濒危大理石小屋，甚至与夏威夷的研究人员合作，探测鸟类与电力线的碰撞，以便更准确地评估它们发生的频率。该公司也开始从声学监测扩展到图像分析，就像杜克大学的研究人员使用无人机图像计算Olive Ridley海龟离开哥斯达黎加筑巢海滩的项目一样。

McKown说，对这些工具的需求正在快速增长。“当我们开始时，除了几个学术实验室之外，我们是唯一知道将机器学习应用于保护监测数据的人。现在它已经爆炸了。”

越来越多的研究人员正在使用无人机来获取生态系统的航空图像，并使用人工智能算法来分析这些图像。研究生罗斯戴维森在他对沿海湿地的研究中使用这种方法。信用：由Ross Davison提供

长期监测

在加州大学圣克鲁兹分校，研究人员正在开发和应用涉及机器学习的技术，涉及广泛的保护相关项目。生态学和进化生物学教授Peter Raimondi刚刚开始评估人工授精有助于长期监测潮间带生态系统的潜力。近30年来，他一直监督北美西海岸从巴哈到阿拉斯加的潮间带调查。传统方法涉及研究人员团队在已建立的地点进行重复采样，他们在网格上精心识别和计算每个物种。

Raimondi说：“一直困扰研究人员进行这种调查工作的问题是，当我们只抽取总面积的一小部分时，我们是否真正捕捉到所有的多样性。” “现在我们开始在这些站点上飞行无人机以捕获航拍图像，然后我们将看到我们是否可以训练算法来识别这些图像中的物种。”

该过程始于已经由地面人员采样的站点的航拍图像。这些数据用于训练深度学习算法以识别图像中的物种。这个迭代训练过程需要大量数据，但如果算法足够准确，那么无人机可用于调查比实际人员实际调查的区域更大的区域。

“它具有真正的潜力，”雷蒙迪说。“我们有资金在加利福尼亚州这样做，我们希望在整个西海岸都这样做。我们知道如果你试图将它们应用得太广泛，算法效果不好，所以我们无法用来自中央海岸，然后把它带到俄勒冈州 - 你必须进行局部校准。所以我们总是需要人们在地面上进行采样，但我们可以自动化很多。“

罗斯戴维森是沿海科学与政策项目的研究生，他在沿海湿地的研究中也使用了无人机和机器学习的航拍图像。“这些算法非常适用于绘制植被和水淹，”他说。“我们希望将它用于从最初的生物量评估和物种划分到最终甚至是植物健康评估的所有内容。”

他说，随着气候变化推动湿地和其他动态生态系统的变化，快速收集此类信息的能力对于制定有效的管理策略将变得越来越重要。航空成像和机器学习的结合有可能节省大量的时间和精力。

“这种分析可以解决很多障碍。这就是我们感到兴奋的事情，”戴维森说。

研究生尼古拉斯·马西亚斯(Nicholas Macias)正在溪流中部署自动摄像系统，以监测下游漂移的昆虫，使用人工智能分析系统获取的大量图像。图片来源：Nicholas Macias

没有银弹

McKown说他经常被野外生物学家问到他是否试图用技术取而代之，但野外工作仍然是这个过程的重要组成部分。“你必须让现场人员能够解释结果，”他说。“这不是一个灵丹妙药。像任何工具一样，你必须了解如何将它融入你的项目中。我们总是有一个人在循环中，一个从计算机预测中抽样的分析师，以了解它的表现。”

潜在应用范围不断扩大。Andrew Port是巴斯金工程学院Roberto Manduchi教授计算机视觉实验室的计算机工程研究生，他一直与保护组织Rare在中美洲的可持续渔业项目上合作。在那里，面临的挑战是确认鱼类的来源，以确保它们是根据旨在保护某些区域的协议捕获的。渔民说他们只是通过观察它就能看出鱼被捕的地方，研究表明，有些物种的形状略有不同，这取决于它们来自哪个珊瑚礁区域。

“当时的问题是开发一种自动化系统，就像手机应用程序一样，与渔民的直觉一样好，”Port说。“新型手机的芯片设计用于进行这些类型的计算。所有这些都是计算机视觉和机器学习的巨大进步。”

Port还与UCSC生态学和进化生物学研究生Nicholas Macias合作，他正在溪流中部署一个摄像系统来监测向下游漂移的昆虫。目标是衡量鱼类捕食的可用性及其随时间的变化。该系统可以在一小时内获得30,000张图像，这只是AI可以帮助的数据分析挑战。

“他开发了一种非常有效的方法来拍摄漂浮在溪流中的昆虫，”波特说。“我一直在与他合作开发一种深度学习模型，可以区分照片中不同种类的昆虫。”

Port在Manduchi实验室的工作重点是为有视力障碍的人提供辅助技术。他与Rare的关系来自Vikram Sahai，他是一名在Google工作了15年的UCSC基金会受托人。

“我离开了这个有趣的项目的想法，我可以利用我的大数据和机器学习的背景来帮助保护组织，”Sahai说。“通常，该领域的从业者不知道什么技术可以为他们做什么，我不知道他们需要解决什么问题。”

在与Rare的首席执行官会面后，Sahai访问了他们的办公室，了解他们的工作，并确定了一些可能受益于技术创新的项目。他说他一直在寻找机会让UCSC学生参与其中。“关于加州大学圣克鲁兹分校的一件事是，学生们非常了解环境挑战，他们希望从事有意义的项目，”萨海说。

Sahai还是Wildlife Insights的顾问，Wildlife Insights是一个处理由Google，Conservation International和其他组织合作开发的野生动物相机陷阱图像的新平台。微软的AI for Earth是一个类似的计划，致力于将云服务和AI工具交给那些致力于解决全球环境挑战的人。(保护指标是AI为地球资助的团体之一。)

“在保护空间，发生的事情是相机的成本下降，并且通过深入学习我们更擅长处理图像和视频，所以现在部署大量相机陷阱或摄像机并处理相对便宜通过机器学习数据，“Sahai解释道。“环保主义者收集所有这些图像，但是要经历并分析它们都非常耗时。现在我们可以自动化处理，所有这些数据都可以在云端，这真正使他们能够与其他研究人员共享并传播结果“。

McKown说，他很高兴看到这方面有如此多的创新。“很高兴看到，我很高兴能够了解其他人如何处理这些相同的问题，”他说。

在加州大学圣克鲁兹分校，研究人员还在天文学和基因组学等领域应用人工智能工具。但是Port说他对生态学家的兴趣感到震惊。“我注意到了生态社区的真正需求，因为他们有很多监控任务，而且这些模型非常适合这种情况，”他说。

天文学和天体物理学教授Xavier Prochaska共同创立了一个校园范围内的应用人工智能计划，旨在将所有部门中参与人工智能的教师和学生聚集在一起。

“一个关键的目标是让教师们跨学科交流并分享想法，”Prochaska说。“我们开始了一个研讨会系列，并为学生提供教程。机器学习是一个快速发展的领域，建立一个跨学科的社区将帮助我们保持在最前沿。”