人工智能与大数据或能助力保护野生动物
一组人工智能和动物生态学专家提出了一种新的跨学科方法，旨在改进野生动物物种研究，并更有效地利用当前借助新技术收集的海量数据。
动物生态学领域已进入大数据和物联网时代。目前，借助卫星、无人机和地面设备（放置在动物身上或其周围的自动相机和传感器）等复杂技术，正在收集前所未有规模的野生动物种群数据。
这些数据的获取和共享变得非常容易，缩短了研究人员之间的距离和时间，并将人类在自然栖息地中的存在降至最低。目前已有许多用于分析大型数据集的人工智能程序，但它们往往较为通用，难以精确观察野生动物的行为和外貌。
来自洛桑联邦理工学院（EPFL）及其他大学的一组科学家，通过将计算机视觉的进展与生态学家的经验相结合，提出了解决这一问题的创新方法，并开发出更精确的模型。他们的研究成果发表在Nature Communications上，为利用人工智能保护野生物种开辟了新前景。
构建跨学科专业知识
野生动物研究已从局部走向全球。现代技术现在提供了革命性的新方法，可以更准确地评估野生动物种群数量，更好地理解动物行为，打击盗猎，并遏制生物多样性的减少。
生态学家可以使用人工智能，更确切地说是计算机视觉，从图像、视频和其他视觉数据中提取关键特征，从而快速对野生动物物种进行分类，统计个体数量，并利用大型数据集收集特定信息。
目前用于处理此类数据的通用程序通常如同黑箱运作，未能利用现有的全部动物学知识。此外，它们难以调整，有时质量控制较差，并且可能涉及与使用敏感数据相关的伦理问题。
它们还存在一些偏差，尤其是地域偏差：例如，如果用于训练某程序的所有数据都采集自欧洲，该程序可能不适用于世界其他地区。
“我们希望吸引更多研究人员关注这一课题，并汇聚他们的力量，以推动这一新领域向前发展。人工智能可以在野生动物研究和更广泛的环境保护中发挥关键的催化作用”
如果计算机科学家希望减少人工智能程序的误差（例如，训练程序识别某一特定物种），他们需要能够借助动物生态学家的知识。这些专家可以指出程序应考虑哪些特征，例如某物种能否在特定纬度生存，它对另一物种的生存是否至关重要（例如通过捕食者与猎物的关系），或者该物种的生理机能在其生命周期中是否会发生变化。
新的机器学习算法可用于自动识别动物个体。例如，斑马独特的条纹图案，或视频中它们的运动动态，都可能成为识别个体的特征。
“正是在这里，生态学与机器学习的结合变得至关重要：野外生物学家对所研究的动物拥有丰富的专业知识，而我们作为机器学习研究人员的工作，就是与他们合作，共同开发寻找解决方案的工具”
介绍现有举措
将计算机视觉与生态学联系起来的想法，源于过去两年图亚、马蒂斯及其他科学家在各种会议上讨论各自研究课题之时。他们认识到，这种合作对于防止某些野生动物物种灭绝可能极具价值。
在这一方向上已经实施了若干举措，其中一些已列入《自然通讯》的文章。例如，图亚及其在EPFL的团队开发了一种程序，能够根据无人机拍摄的图像识别动物物种。该程序最近已在海豹种群中进行了测试。
与此同时，马蒂斯及其同事推出了名为DeepLabCut的开源软件包，使科学家能够以惊人的精度评估和追踪动物姿态。该软件已被下载30万次。
DeepLabCut最初是为实验动物开发的，但也可用于其他物种。其他大学的研究人员也开发了程序，但由于该领域尚未形成真正的社群，他们难以分享成果。其他科学家常常不知道这些程序的存在，或者不清楚哪一个最适合其具体研究。
不过，通过各类在线论坛，已经迈出了形成这一社群的第一步。然而，《自然通讯》的这篇文章面向更广泛的受众，即全球各地的研究人员。
“社群正在稳步形成。迄今为止，我们主要依靠口口相传来建立最初的网络。两年前，我们最初与目前是文章其他共同第一作者的人员合作：洛桑联邦理工学院的本杰明·凯伦伯格、美国加州理工学院的莎拉·比里，以及德国马克斯·普朗克研究所的布莱尔·科斯特洛”
