當人工智能偶遇大自然

王國良　王寶會

用AI“看見”生物多樣性

監(jiān)測、保護和利用生物多樣性的第一步就是對生物多樣性開展全面的研究。AI特別是深度學習算法的出現(xiàn)可以讓計算機或機器通過以往示例和經驗，學會模仿人類思維、識別對象、理解和響應語言、從而制定決策、解決問題以及綜合分析。

AI深度學習算法是如何“工作”的呢？首先，人類向算法展示大量圖片，比如，有的圖片有動物，有的沒有。算法從圖片中找到“特定模式”，然后用模式來做出判斷，看看面對之前從未見過的圖片應該貼怎樣的標簽。至于AI的神經網絡架構是根據人類視覺系統(tǒng)開發(fā)的，網絡各層連接在一起，從圖片中提取抽象特點，通過一系列聯(lián)系得出正確答案。AI在生物多樣性中的應用包括計算機視覺、語音識別、自然語言處理等方面。

我們先說計算機視覺。對于研究動物行為的學者，尤其是昆蟲學家，怎樣觀察動物的行為是個令人頭大的難題。野外觀察更難，主要在于定位個體和整個生命周期的持續(xù)觀察。

AI的出現(xiàn)可以讓計算機或機器通過以往示例和經驗，學會模仿人類思維

深度學習和計算機視覺的結合使得對昆蟲和其他無脊椎動物的監(jiān)測更具成本效益

計算機視覺是指用攝影機和計算機代替人眼，對目標進行識別、跟蹤和測量，并進一步處理獲取的圖像，從中獲取信息。它結合機器視覺和圖像分析技術，目標是從圖像中獲取物理對象的明確而有意義的描述。機器視覺通常用在工業(yè)和機器人領域，而圖像分析技術指的是2D圖像的算法分析和圖像的轉換（旋轉等）。

以“計算機視覺”為基礎的動物行為觀測系統(tǒng)由動物行為分析軟件、動物活動室/池、攝像頭等組成，通過相機和傳感器可以在整個晝夜和季節(jié)周期內連續(xù)、無創(chuàng)地進行生物學觀察。一旦被觀察的樣本出現(xiàn)，傳感器馬上通過自動成像技術來捕獲它們的身影。隨后，AI技術對樣本數(shù)據特征進行訓練，經過深度學習的模型可以提供生物豐度、生物量和多樣性的估計。

用AI“聽見”生物協(xié)奏曲

我們知道很多生物有著保護色，部分生態(tài)環(huán)境光線很弱難以成像，如果計算機視覺沒法發(fā)揮作用怎么辦呢？對于不便于獲取視覺圖像的生物和環(huán)境，科學家利用計算機聽覺中深度學習的算法，測量生態(tài)環(huán)境中可辨識的生物聲音，對生物多樣性進行聲學評估。

由于很多動物有保護色，難以成像。科學家利用深度算法，可對生物進行聲學評估

利用被動式紅外感應技術拍攝到的亞洲象

利用聲音定位野生動物，既降低對動物的干擾，又可以避免視頻采集受光線和生境的限制?；谝粢曨l采集系統(tǒng)，采用被動式紅外感應的方法偵測野生動物和偷獵者，對現(xiàn)場實時拍照、錄音、錄像，并通過GPRS無線網絡發(fā)送信息，幫助科研人員在廣大的地域范圍內找到動物的行蹤并發(fā)現(xiàn)偷獵者。

此外，通過對瀕危動物個體的聲音特征建立身份標識，可以在監(jiān)測中幫助研究人員清楚地掌握動物的生存和繁殖情況，以此在遷徙季節(jié)判斷出物種數(shù)量。

老方法加新辦法

不同方法得到的生物多樣性數(shù)據，具有不同的時間連續(xù)性。遙感數(shù)據和其他的地理數(shù)據可以得到時間、空間上連續(xù)的生物物理數(shù)據。而利用傳統(tǒng)的生物多樣性采樣研究方法，如自動錄像或圖像記錄設備、高通量基因條形碼或者宏基因組測序技術，可以得到物種在某些樣點的生物多樣性信息，但這些樣點信息通常是不連續(xù)的，無法覆蓋到整個景觀區(qū)域。因此，將樣點信息結合連續(xù)的遙感技術來推測整個區(qū)域的生物多樣性組成，這樣才能繪制出生物多樣性和生態(tài)系統(tǒng)的綜合地圖。

在生物多樣性和生態(tài)環(huán)境保護的整個過程中，AI將會發(fā)揮越來越多的功能，將生態(tài)環(huán)境優(yōu)勢提升為生態(tài)農業(yè)、生態(tài)工業(yè)、生態(tài)旅游等生態(tài)經濟的優(yōu)勢，那么綠水青山終將會變成金山銀山。

（責任編輯/陳天昊 美術編輯/周游）

通過樣點信息結合連續(xù)的遙感技術，繪制出生物多樣性和生態(tài)系統(tǒng)的綜合地圖