DeepMind 加入动物保护行列，用 AI 分析野生动物行为

一手打造史上最强围棋 AI 的英国 DeepMind 团队最近加入了用人工智能保护野生动物的行列。DeepMind 与生态学家、自然保护主义者合作，开发了一款研究动物行为的机器学习方法。这套方法被首先应用在坦桑尼亚塞伦盖蒂野生动物保护区。

塞伦盖蒂野生动物保护区 本文图均为 DeepMind blog 图

塞伦盖蒂是非洲最大的野生动物保护区之一，以丰富的野生动植物闻名于世。在塞伦盖蒂 14750 平方公里的土地上，栖息着大约 70 种大型哺乳动物和 500 种鸟类，包括狮子、斑马、羚羊、麋羚、水牛、鳄鱼、河马、大象、长颈鹿等。

近来，随着农业、偷猎、气候异常等人类影响的增加，当地物种被迫改变自己的行为以继续生存。大约十年前，塞伦盖蒂的狮子研究项目在保护区核心区域安装了数百个运动敏感摄像头，在不干扰日常活动的情况下拍摄动物的自然行为。

截至目前，这个项目收集了数百万张照片。分析照片的工作由来自世界各地的志愿者完成，他们在每张照片中一一识别和统计其中的动物。这项耗时耗力的工作影响了科学家的进一步研究，也使自然保护人士很难对生态系统的破坏做出及时反应。通常，从照片被拍摄到志愿者识别出其中的动物大概需要一年的时间。

为了帮助科学家更高效地开展研究，DeepMind 训练了一个机器学习模型，可以自动检测、识别并计算照片中出现的动物。据 DeepMind blog 表示，他们的系统在识别约 50 个大型动物的时候与人类标签员一样准确。

生态学家认为，通过照片监测动物行为变化可以了解原始生态系统的动态功能，制定有效的管理计划来保护当地的生物多样性。

这类模型的难点在于，用运动摄像头记录的野生动物照片有时很难处理，例如动物可能在焦点之外，或者被遮挡。不过，DeepMind 称，在生态学家 Meredith Palmer 的帮助下，他们的项目很快成型，并大大缩短了全流程处理时间。

据 DeepMind 透露，目前，该团队正在部署一种适应于野外环境的机器学习系统，只需要「适度」硬件和少量互联网连接。一旦这个系统部署到位，塞伦盖蒂的研究人员能够直接利用这个工具开展保护工作。