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開發的，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觀察。

AI的出現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周期內連續、無創地進行生物學觀察。一旦被觀察的樣本出現，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”生物協奏曲

我們知道很多生物有著保護色，部分生態環境光線很弱難以成像，如果計算機視覺沒法發揮作用怎么辦呢？對于不便于獲取視覺圖像的生物和環境，科學家利用計算機聽覺中深度學習的算法，測量生態環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?？茖W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，采用被動式紅外感應的方法偵測野生動物和偷獵者，對現場實時拍照、錄音、錄像，并通過GPRS無線網絡發送信息，幫助科研人員在廣大的地域范圍內找到動物的行蹤并發現偷獵者。

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，以此在遷徙季節判斷出物種數量。

老方法加新辦法

不同方法得到的生物多樣性數據，具有不同的時間連續性。遙感數據和其他的地理數據可以得到時間、空間上連續的生物物理數據。而利用傳統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的，無法覆蓋到整個景觀區域。因此，將樣點信息結合連續的遙感技術來推測整個區域的生物多樣性組成，這樣才能繪制出生物多樣性和生態系統的綜合地圖。

在生物多樣性和生態環境保護的整個過程中，AI將會發揮越來越多的功能，將生態環境優勢提升為生態農業、生態工業、生態旅游等生態經濟的優勢，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的遙感技術，繪制出生物多樣性和生態系統的綜合地圖