人工智能有助于區(qū)分雪豹，提高這些雄偉的山地捕食者的種群數(shù)量 _人工智能

人工智能有助于區(qū)分雪豹，提高這些雄偉的山地捕食者的種群數(shù)量。來(lái)源：Pixabay/CC0公共領(lǐng)域
據(jù)《對(duì)話》（Eve Bohnett）：雪豹被稱為“山中幽靈”是有原因的。想象一下，在亞洲崎嶇不平的山脈中等待數(shù)月，希望能瞥見一眼。這些難以捉摸的大型貓科動(dòng)物在巖石斜坡上悄無(wú)聲息地移動(dòng) ，它們蒼白的皮毛與雪和石頭完美融合，即使是最老練的生物學(xué)家也很少在野外發(fā)現(xiàn)它們。
旅行作家Peter Matthiessen在1973年花了兩個(gè)月的時(shí)間在青藏高原尋找他們，并寫了一本300頁(yè)的書。他從未見過(guò) 。四十年后，彼得的兒子亞歷克斯沿著父親的足跡往回走，也沒有看到父親的足跡。
研究人員一直在努力得出全球人口的數(shù)字。2017年，國(guó)際自然保護(hù)聯(lián)盟（International Union for Conservation of Nature）將雪豹從瀕危重新歸類為易危，并引用了野生雪豹約2500至10000只的估計(jì)數(shù)據(jù) 。然而，該組織還警告說(shuō)，由于棲息地喪失、偷獵和人類與野生動(dòng)物的沖突，許多地區(qū)的數(shù)字繼續(xù)下降。研究這些動(dòng)物的人希望幫助保護(hù)這些物種及其棲息地——只要我們能準(zhǔn)確地確定它們的生活地點(diǎn)和數(shù)量。
傳統(tǒng)的追蹤方法——尋找腳印、糞便和其他跡象——有其局限性。由Stéphane Ostrowski和Sorosh Poya Faryabi等專家領(lǐng)導(dǎo)的野生動(dòng)物保護(hù)協(xié)會(huì)的環(huán)保主義者開始在阿富汗部署自動(dòng)相機(jī)陷阱，而不是等待幸運(yùn)的面對(duì)面交流。這些設(shè)備在檢測(cè)到移動(dòng)時(shí)就會(huì)拍照，在幾個(gè)月內(nèi)拍攝了數(shù)千張照片，所有這些都是為了罕見地瞥見雪豹。
但捕捉圖像只是成功的一半。下一個(gè)更艱巨的任務(wù)是區(qū)分雪豹。
乍一看，這聽起來(lái)很簡(jiǎn)單：每只雪豹的皮毛上都有獨(dú)特的黑色玫瑰花結(jié)圖案，就像指紋或人群中的臉。然而，在實(shí)踐中，通過(guò)這些模式識(shí)別個(gè)人是緩慢、主觀和容易出錯(cuò)的。照片可能以奇怪的角度拍攝，在光線不足的情況下拍攝，或者動(dòng)物的某些部位被遮擋——這使得比賽變得棘手。
當(dāng)來(lái)自不同相機(jī)的照片被標(biāo)記為描繪不同的動(dòng)物時(shí)，會(huì)出現(xiàn)一個(gè)常見的錯(cuò)誤，因?yàn)樗鼈儗?shí)際上顯示了同一個(gè)個(gè)體，從而夸大了人口估計(jì) 。更糟糕的是，相機(jī)陷阱圖像可能會(huì)混淆或錯(cuò)配，將一只貓的遭遇分為多個(gè)批次和身份。
我是野生動(dòng)物保護(hù)協(xié)會(huì)和Wild Me的其他合作伙伴的數(shù)據(jù)分析師。我和其他人的工作發(fā)現(xiàn)，即使是訓(xùn)練有素的專家也會(huì)誤判動(dòng)物，無(wú)法在運(yùn)動(dòng)感應(yīng)攝像頭監(jiān)控的位置識(shí)別出重復(fù)的訪客，并對(duì)同一只動(dòng)物進(jìn)行多次計(jì)數(shù) 。一項(xiàng)研究發(fā)現(xiàn)，由于這些人為錯(cuò)誤，雪豹的數(shù)量被高估了30%以上。
為了避免這些陷阱，研究人員遵循了相機(jī)分類指南：必須在兩張圖像之間確認(rèn)至少三個(gè)明顯的模式差異或相似性，才能將它們聲明為相同或不同的貓。圖像太模糊、太暗或從困難角度拍攝的圖像可能不得不丟棄。識(shí)別工作包括從簡(jiǎn)單的案件到需要合作和辯論的模糊案件，這些案件都有清晰、全身的鏡頭。盡管做出了這些努力，但變化仍然存在，經(jīng)驗(yàn)豐富的觀察者往往更準(zhǔn)確。
現(xiàn)在，人們正試圖通過(guò)兩種方式從人工智能系統(tǒng)中獲得幫助，以計(jì)算雪豹的數(shù)量。
發(fā)現(xiàn)斑點(diǎn)
現(xiàn)代人工智能工具正在徹底改變我們處理這些大型照片庫(kù)的方式。首先，人工智能可以快速對(duì)數(shù)千張圖像進(jìn)行排序，標(biāo)記出那些包含雪豹的圖像，忽略不相關(guān)的圖像，比如那些描繪藍(lán)羊、灰白色山脈地形或陰影的圖像。
即使姿勢(shì)或光線不同，人工智能也可以通過(guò)分析它們獨(dú)特的玫瑰花圖案來(lái)識(shí)別單個(gè)雪豹。每次雪豹遭遇都會(huì)與之前識(shí)別的照片目錄進(jìn)行比較，如果匹配，則分配一個(gè)已知的ID ，如果不匹配，則作為新的個(gè)體輸入。
在最近的一項(xiàng)研究中，我和幾位同事分別和同時(shí)評(píng)估了兩種人工智能算法。
第一種算法稱為HotSpotter，通過(guò)比較關(guān)鍵的視覺特征（如皮毛圖案）來(lái)識(shí)別個(gè)體雪豹，用黃色標(biāo)記突出獨(dú)特的“熱點(diǎn)” 。
第二種是一種稱為姿勢(shì)不變嵌入的新方法，其操作類似于面部識(shí)別技術(shù)：它識(shí)別數(shù)據(jù)中的抽象特征層，識(shí)別同一動(dòng)物，而不管它在照片中的位置如何，也不管有什么樣的照明。
我們使用來(lái)自美國(guó)、歐洲和塔吉克斯坦動(dòng)物園的雪豹照片集以及包括阿富汗在內(nèi)的野外圖像來(lái)訓(xùn)練這些系統(tǒng) 。
單獨(dú)使用，每個(gè)模型在74%的時(shí)間里都能正確識(shí)別大型照片庫(kù)中的貓。但當(dāng)這兩個(gè)系統(tǒng)結(jié)合在一起時(shí) ， 85%的時(shí)間是正確的。
這些算法被集成到Wildbook中，Wildbook是一個(gè)由非營(yíng)利組織Wild Me開發(fā)的開源、基于網(wǎng)絡(luò)的軟件平臺(tái)，現(xiàn)在被ConservationX采用。我們?cè)诿赓M(fèi)網(wǎng)站W(wǎng)hiskerbook.org上部署了組合系統(tǒng) ，研究人員可以在那里上傳圖像，使用算法尋找匹配，并通過(guò)并排比較確認(rèn)這些匹配。該網(wǎng)站是越來(lái)越多的人工智能野生動(dòng)物平臺(tái)之一，這些平臺(tái)正在幫助保護(hù)生物學(xué)家更高效、更有效地保護(hù)物種及其棲息地。
人類仍然需要
這些人工智能系統(tǒng)不是防錯(cuò)的。人工智能可以快速篩選候選人并標(biāo)記可能的匹配項(xiàng)，但專家驗(yàn)證可以確保準(zhǔn)確性，尤其是在處理棘手或模糊的照片時(shí) 。
我們進(jìn)行的另一項(xiàng)研究讓人工智能輔助的專家組和新手組相互競(jìng)爭(zhēng) 。每個(gè)人都得到了一組3到10張34只已知圈養(yǎng)雪豹的圖像，并被要求使用Whiskerbook平臺(tái)來(lái)識(shí)別它們。他們還被要求估計(jì)這組照片中有多少只動(dòng)物。
專家們準(zhǔn)確地匹配了大約90%的圖像，并在真實(shí)數(shù)字的3%以內(nèi)提供了人口估計(jì) 。相比之下，新手只識(shí)別了73%的貓，低估了總數(shù)，有時(shí)低估了25%或更多，錯(cuò)誤地將兩個(gè)個(gè)體合并為一個(gè) 。
這兩組結(jié)果都比專家或新手不使用任何軟件時(shí)要好。
結(jié)論很明確：人類的專業(yè)知識(shí)仍然很重要，將其與人工智能支持相結(jié)合可以獲得最準(zhǔn)確的結(jié)果。我和我的同事們希望，通過(guò)使用Whiskerbook等工具和嵌入其中的人工智能系統(tǒng)，研究人員將能夠更快、更自信地研究這些難以捉摸的動(dòng)物。
有了像Whiskerbook這樣的人工智能工具，我們就有了另一種保護(hù)雪豹的方法——但成功取決于對(duì)保護(hù)它們脆弱的山地家園的持續(xù)承諾。