國(guó)外Tech Republic網(wǎng)站12月23日?qǐng)?bào)道稱(chēng)，許多研究人員正在利用大量技術(shù)手段來(lái)幫助野生動(dòng)物和土地的保護(hù)，包括用面部識(shí)別跟蹤加拿大西部的熊、通過(guò)深度學(xué)習(xí)預(yù)測(cè)美國(guó)的野火……而在澳大利亞，昆士蘭科技大學(xué)（QUT）的研究小組正在利用人工智能（AI）、無(wú)人機(jī)、熱成像和機(jī)器學(xué)習(xí)（ML）等技術(shù)探測(cè)和保護(hù)考拉。

據(jù)介紹，考拉面臨著從毛皮貿(mào)易到棲息地喪失的無(wú)數(shù)生存威脅，近年來(lái)氣候變化的影響更加劇了其物種的脆弱性。據(jù)估計(jì)，在2019年至2020年間，超過(guò)5000只考拉死于澳大利亞的森林大火。新南威爾士州（NSW）立法委員會(huì)斷定，若沒(méi)有適當(dāng)保護(hù)，本世紀(jì)中葉考拉可能在該州滅絕。

該項(xiàng)目負(fù)責(zé)人、昆士蘭理工大學(xué)生態(tài)學(xué)副教授格蘭特·漢密爾頓（Grant Hamilton）說(shuō)，考拉是澳大利亞的標(biāo)志性動(dòng)物，在世界上其他地方都沒(méi)有。他們需要了解叢林中到底有多少考拉，但他們并不知道，因?yàn)樗鼈兒茈y找。

漢密爾頓介紹，研究人員們嘗試了多種辦法去計(jì)算考拉的數(shù)量，包括聲學(xué)檢測(cè)、在狗的幫助下數(shù)糞便……但最準(zhǔn)確的辦法還是讓一組人走到樹(shù)下采樣，然后單獨(dú)計(jì)算每棵樹(shù)上的考拉數(shù)量。不過(guò)，這種勞動(dòng)密集型的“腳踏實(shí)地”的方法仍然忽略了許多野外活動(dòng)的考拉，研究表明專(zhuān)家們實(shí)際只能數(shù)出一個(gè)區(qū)域里大約四分之三的考拉。

為了提高計(jì)算考拉數(shù)量的效率和準(zhǔn)確度，漢密爾頓和他的團(tuán)隊(duì)開(kāi)發(fā)了一種使用無(wú)人機(jī)、熱成像儀和人工智能的方法。不過(guò)，因?yàn)榭祭瓊儾幌駱?shù)袋熊那樣坐在樹(shù)頂上，而是棲息在復(fù)雜的三維空間，這也面臨了不少挑戰(zhàn)。

研究小組開(kāi)發(fā)了機(jī)器學(xué)習(xí)算法來(lái)幫助篩選識(shí)別無(wú)人機(jī)收集的熱圖像，但漢密爾頓說(shuō)，一開(kāi)始就有各種誤報(bào)，它會(huì)把袋鼠、人、甚至熱的汽車(chē)引擎當(dāng)做考拉。又因?yàn)榭祭^(guò)小眾，團(tuán)隊(duì)沒(méi)有找到能夠支撐算法識(shí)別出考拉的高質(zhì)量圖形數(shù)據(jù)庫(kù)。漢密爾頓說(shuō)，“互聯(lián)網(wǎng)上有十億張貓的圖片，所以如果你想訓(xùn)練一個(gè)機(jī)器學(xué)習(xí)算法來(lái)尋找貓是沒(méi)問(wèn)題的。（但）從無(wú)人機(jī)上拍攝的考拉熱圖像并不多”

好在，問(wèn)題還是解決了。漢密爾頓說(shuō)，他們可以先訓(xùn)練算法針對(duì)動(dòng)物，然后微調(diào)它針對(duì)考拉。最后只需要幾百?gòu)堈掌蛪蛄恕Ｋ€稱(chēng)，經(jīng)過(guò)廣泛的訓(xùn)練和發(fā)展，人工智能現(xiàn)在比人工能更準(zhǔn)確地識(shí)別考拉，速度也更快。一個(gè)4人小組一天可以覆蓋大約10公頃的土地，而無(wú)人機(jī)+人工智能2小時(shí)即可數(shù)完50公頃。

展望未來(lái)，漢密爾頓表示，該團(tuán)隊(duì)正在致力于近實(shí)時(shí)地處理數(shù)據(jù)與多物種檢測(cè)。后者將能使一種算法可檢測(cè)“多個(gè)感興趣的動(dòng)物”，而不是將每次調(diào)查局限于單個(gè)物種。

責(zé)任編輯：gt