拯救濒危大象：人工智能科学家怎么做？
丹棱君有话说：2017 年微软启动AI for Earth 项目以来，始终希望能够“让世界各地的组织或个人可以使用人工智能来保护我们的地球”。为了让每一声来自濒危大象的呼救都能被人工智能感应并得到妥善解决，微软与合作伙伴正在行动。
每年的 8 月 12 日是世界大象日，尽管人们已经意识到保护大象的重要性，但非洲地区的大象数量却依然在急剧下降。据科学家估计，近几十年来，有三分之二的非洲象因为象牙偷猎等原因已经消失。Paul G. Allen 2016 年发布的大象普查结果则显示，非洲的草原象数量在近七年中下降了 30%。
为了打击偷猎与非法象牙交易，为大象创造更好的生态环境，微软与众多高校科研人员、自然保护组织及科技企业携手合作，从收集大象声音及行为等数据以帮助相关人员做出决策，到用云计算赋能野生动物大数据分析进程，再到利用人工智能识别并删除线上野生动物非法交易信息，微软及其合作伙伴一直在行动。
“人工智能+云计算”赋能大象数据收集与分析
微软开发的人工智能工具 Conservation Metrics 能够使用机器学习的方法监控野生动物的行为并对当下自然保护工作进行评估。如今，它正在使用其精密的算法助力康奈尔大学鸟类学实验室的大象监听项目，帮助研究人员和生态保护者区分森林大象的声音与嘈杂热带雨林中的其他声音。
微软与合作伙伴在刚果共和国北部地区的热带雨林中安置了大量声音传感器，这些传感器正在使用精密的监测手段为大象监听项目收集海量声音数据。
在这些声音数据中，我们能听到各种各样的声音：黑猩猩、大猩猩、森林水牛、濒临灭绝的非洲灰鹦鹉、掉在地上的水果、吸血昆虫、电锯、引擎、人声，甚至是枪声。在这无数的声音里，我们的传感器还捕捉到了一个微弱的声音——来自森林大象的呼救。
对于人类来说，从纷乱庞杂的海量声音中辨别出大象的独特叫声几乎难如登天，这对于 Conservation Metrics 而言却很简单。Conservation Metrics 是如何做到的呢？如上文所说，声音传感器能够收集到大象的声音数据。基于此，研究人员可以更加准确且及时地估计当地的大象数量；并追踪它们的行动路径，找出那些潜在的危险，以为象群提供更好的保护。
大象监听项目的科学家估计，非洲的森林大象数量已从 2011 年的大约 10 万只减少到今天的不到 4 万只。在过去，科学家们往往只能通过一些间接证据来了解这些数据，比如象牙走私，偷猎迹象和劳动密集型调查等等，不过这些调查成本太高，因而无法定期开展。有了 Conservation Metrics 以后，情况逐渐明朗。Conservation Metrics 于 2017 年开始与大象监听项目合作，意在帮助提高项目研究人员的工作效率。它的机器学习算法能够更准确地识别大象的声音，并有望帮助研究员们减轻人工复查的工作负担。
拯救大象项目的 David Daballen 和 Jerenimo Lepirei 正在使用追踪程序监控肯尼亚的桑布卢国家保护区的草原象。摄影：Frankaf Pertersens（来自拯救大象）
但是，声音传感器捕捉到的海量数据也给相关组织的本地服务器和计算能力增加了工作负担。康奈尔大学负责大象监听项目的高级研究员 Peter Wrege 说：“要从这些偏远的非洲森林中获取数据并快速分析信息，数据处理能力是我们当下面临的最大瓶颈。”
“每当我们带着收集到的数据走出调研地时，这些保护区的管理人员马上就会问，'你发现了什么？大象是不是变少了？有没有需要我们立即去解决的危机？'但由于数据处理需要花费很长时间，有时我可能需要花费数月才能给他们一个准确答案。” Wrege 说。
基于以上情况，微软的 AI for Earth 项目已向 Conservation Metrics 提供为期两年的资助，以在 Microsoft Azure 云服务中构建基于云的工作流，用于分析和处理关于野生动物的各项参数指标。它还向大象监听项目捐赠了 Azure 计算资源，以降低项目的数据处理成本。Protect Metrics 的首席执行官 Matthew McKown 表示，Azure 的计算能力将极大地缩短数据处理时间。如今，用户甚至可以直接上传数据并进行交互。
McKown 表示，依照目前计算机的数据处理能力来看，处理大象监听项目几个月的数据需要大约三周的时间。不过，Microsoft Azure 云服务的数据迁移工作将在今年晚些时候完成，在此之后，同样的工作量可能只需要一天时间就能做完。
“这是一个巨大的进步。我们有收集声音信号的设备，也能通过一个神奇的过程将收集到的信号转换为数据，并把这些数据与洞见传递给那些最终采取实际行动的人，比如护林员等等，我们衷心希望能够加快这一进程。” McKown 说。
机器学习让偷猎与冲突不再频发
声音识别只是众多人工智能方法中的一种。我们也在使用机器学习来监测大象的实时运动模式，而这些信息可以实时提醒护林员们偷猎行为的发生。
拯救大象项目的研究科学家 Jake Wall 正和其他保护组织合作，以便更及时地获得他在肯尼亚和其他七个国家研究的草原象的数据。他们为这些动物配备了 GPS 跟踪项圈，可以通过卫星和细胞网络传输位置数据。微软及合作伙伴已经在这一方面取得了一些成绩。
拯救大象 app 可以让保护区管理员追踪大象并及时汇报潜在的威胁。摄影：拯救大象
比如，微软 AI for Earth 项目的另一个合作伙伴 Great Elephant Census 就开发了一个区域感知系统（DAS），这是一个实时数据可视化及分析平台。它集成了约 15 种不同的数据来源，包括游侠车辆和无线电，动物追踪器，陷阱相机，无人机，气象监测仪，现场报告和卫星图像等等。微软为 DAS 系统提供云力量，使得 DAS 系统及其数据可以移动到 Azure 云上，并为系统管理人员创造实时仪表板，告知他们当下的情况以阻止那些涉嫌非法危害濒危野生动物的活动发生。
在某些地区，DAS 还支持拯救大象项目的 app，当配备 GPS 跟踪项圈的动物减速或停止移动时，该 app 将通过电子邮件或短信提醒游侠车辆。它可以在动物前往人类居住地时发出警告，以提示人们动物可能会袭击农民的庄稼。随后，保护区的管理人员或农民就会将动物带回安全地区。从加蓬到莫桑比克到刚果，DAS 一共部署了大约 463 个动物追踪装置，其中 358 个都在大象身上。
和平公园基金会是微软的另一个合作伙伴，该基金会致力于打击针对南非犀牛和其他野生动物的偷猎活动。微软帮助它们建立了可以检测评估偷猎风险的遥感系统。通过 NetHope Azure Showcase 的资助，微软也帮助了开源 SMART （空间监测和报告工具）连接到 Azure 云。这一工具被用于非洲的数十个保护地点，且大大提高了野外巡逻的效率。
微软 AI for Earth 还向南加州大学社会人工智能中心（CAIS）和卡内基梅隆大学的研究人员提供资助。这两所高校的研究人员联合打造了野生动物安全助手—— PAWS，并正在继续改进它的各项功能。PAWS 使用机器学习的方法，判断出偷猎活动最有可能发生的地点并基于此为管理人员创建巡逻路线。
此外，南加州大学的社会人工智能中心还将继续改进一种能通过红外热成像自动检测人类和动物的 AI 无人机系统，该系统名为SPOT（Systematic Poacher Detector），SPOT 的探测器可以检测夜间无人机镜头中的偷猎者和野生动物，如今 SPOT 已经被包括空中牧羊人（Air Shepherd）在内的环保组织广泛使用。
来自拯救大象项目的 Jake Wall 表示，即使在传感器和图像采集等方面取得了进展，我们还是需要做更多的工作才能将数据转化为科学洞见或法律意义上可诉的情报。
“我们真的很兴奋，因为微软和 AI for Earth 能够跟我们分享一些专业知识，其中也包括很多我们没有的技术集。”“机器学习可以帮助我们获取很多重要信息，这些信息是我们当下无法了解却希望能够了解的。其中就包括识别大象的迁徙和移动行为以及探索人类扩张和森林砍伐在区域层面造成的影响。” Wall 说。
肯尼亚 Tsavo 国家公园的大象，非法伐木和牲畜入侵已经影响到这一保护区。摄影： Jane Wynyard （来自拯救大象）
Wall 一直与微软 AI for Earth 项目的研究人员 Dan Morris 合作，他们一共有六个项目创意。其中一个项目就是研究如何使用机器学习来识别快速移动，当大象快速奔跑且路线不是直线时，这可能是因为它们遭遇了偷猎或其他威胁。
Morris 致力于将机器学习算法应用于陷阱相机——即远程现场相机，它们会被动物的运动行为触发从而能够拍摄到其所在道路的所有物体。“尽管这些手段可能有用，想要找到一只我们关切的动物依旧如同大海捞针。” Wall 说。
Morris 说：“问题在于没有人有时间浏览拍下来的图像，他们最终都会被搁置。”“机器学习或许能够帮助我们分析图像，目前，计算机科学家已经在尝试用机器学习的手段来实现这一过程了，我猜我们很快（也许不到一年），就能拥有一个很棒的人工智能图像识别工具。”
Wall 和 Morris 也开始使用 AI 来区分大象和航拍影象中的水牛或长颈鹿等其他动物。了解大象何时何地与其他野生动物接触——特别是驯养的动物，比如牛。这可以帮助护林员最大限度地减少象群与人类的冲突。
这些研究成果还可以为土地管理决策提供信息，例如在哪里建立保护区以及在何处建造道路及管道等基础设施。Wall 说，当下很少有人能意识到这才是对大象生存最重要的威胁之一。通过分析这些重要的图像数据，人工智能工具可以帮助我们密切关注人类对大象栖息地的侵犯，并提供重要的洞见。
Wall 说：“我们一直专注于偷猎等棘手的问题，但实际上人类居住区的扩张以及公路，铁路和管道的发展也在影响非洲大象族群的发展。”
打击野生动植物制品非法线上交易，人工智能有奇招
拯救大象不仅仅是阻止捕猎它们的偷猎者。破坏“大象经济”的全球市场同样重要。
生物学家，保护组织和微软的数据科学家正在使用人工智能来阻止对大象的非法杀戮，叫停有关大象的非法贸易并保护它们的栖息地。此外，我们也在尝试使用搜索引擎来封锁那些试图非法出售象牙或大象有关制品的在线广告。
前不久，微软和其他一些科技公司加入了“打击网络野生动植物非法贸易的全球联盟”（联盟），这一联盟是由世界自然基金会（WWF）、国际野生物贸易研究组织（TRAFFIC）和国际爱护动物基金会（IFAW）联合组织的。如今，象牙，动物毛皮和活体宠物等野生动物制品的交易已经大面积从线下转移到互联网，在意识到这一趋势后，这三大组织联合多家互联网及科技公司，集结力量来阻止这一趋势的蔓延。
除了瞄准针对大象产品的非法贸易外，联盟还特别关注有关其它野生动物的犯罪交易，例如出售宠物幼体老虎及穿山甲鳞片、非法珊瑚贸易等等。
一只非洲草原象在马赛马拉国家公园，肯尼亚。摄影：Tom Stahl（来自世界自然基金会）
Giavanna Grein 是世界自然基金会野生动物犯罪项目官员，他说：“以前网络犯罪分子能够在互联网上自由运作，因为这没什么犯罪成本。”“如今，我们正在各大平台上创建持续且强大的威慑机制——如果犯罪分子创建一个新帐户，并发帖，这个帖子会被立即撤下，这将有效打击网络野生动植物非法贸易。”
微软旗下搜索引擎必应与该联盟合作，联合其他电商网站和社交媒体公司的搜索引擎，创建了反对非法贸易的网络政策，这些政策具有强大的威慑力，且得到了一致认可，并在各大搜索引擎应用，这其中主要涉及到人工侦察和算法的混合。
9 月，微软的 AI for Earth 团队将举办以人工智能为核心议题的研讨会，意在帮助那些致力于提高在线检测非法野生动植物广告技术自动化程度的科技公司及学术界的研究人员。希望在人们有机会看到并购买濒危动植物产品之前，我们的合作伙伴及其产品能够提升识别技术并根除那些有关濒危物种的非法广告。
“人工智能在线上打击野生动植物贩运领域发挥着关键作用。虽然它不是唯一的解决方案，但它会大大提高野生动物网络犯罪分子的准入门槛。” Grein 说。
本文作者系 Jennifer Langston，原标题为"Can sound help save a dwindling elephant population? Scientists using AI think so."
了解更多：
后台入驻微软小冰
如果你很萌，请跟她一决高下！