人工智慧用在生態保育是什麼概念?紐西蘭鳥類研究員告訴你

在上週 Google 東京亞太區 AI 論壇上,來自不同領域與談人分享他們最新導入 AI 之成果,其中一項研究將有助於生物保育,來紐西蘭威靈頓維多利亞大學博士生 Victor Anton 為我們揭曉。
評論
評論

人工智慧、機器學習在各項 生活應用上逐漸被體現,語音助理、精準醫療、機器翻譯都用上了,不過機器學習應用於環境保護是怎麼樣的概念呢? 在 Google 東京亞太區 AI 論壇 上,來自不同領域與談人分享他們最新導入 AI 之成果,其中一項研究將有助於生物保育,來 紐西蘭威靈頓維多利亞大學博士生 Victor Anton 為我們揭曉。

來自於西班牙的 Victor Anton ,目前為紐西蘭威靈頓維多利亞大學博士生, 致力使用新技術了解生態系統之運作,他告訴我們,在紐西蘭有非常多獨特的鳥類,光是特有種就佔全部的 28%,是相當重要的生態區,和日本與英國相比,日本的特有種鳥類只佔 4%,英國甚至佔不到 1%;而從他們的傳統服飾、酒瓶商標甚至是紙鈔上的圖樣,不難發現這些特有種在紐西蘭的傳統毛利文化或是現代社會都佔有非常重要的地位,然而因森林砍伐、棲息地縮減或掠食者等影響,紐西蘭特有種鳥類正面絕種危機,鳥類的保育及復育行動為當務之急。

目前團隊已採取保育行動,包含用種植原生樹種、放置巢箱和餵食器等方式來吸引特有種鳥類,並幫牠們設置圍欄保留區,除了能確保紐西蘭特有種不會受到外來掠食者的攻擊,同時可確保繁殖穩定性,當地民還是可以在保育區欣賞這些紐西蘭鳥類。 

聲音訊號錄音裝置佈局於鳥類的棲地

針對野外特有種,他們在威靈頓的郊外設置聲音訊號錄音裝置,希望藉由不同的鳥叫聲來辨別物種,加上設置的圍欄保留區,達到豐富鳥 類物種多樣性的目標,透過訊號錄音裝置在大約六十個地點蒐集到 15000 個小時的音訊檔,可是問題來了,若要透過人工徒法煉鋼分類這些音訊,大概需要聽上兩年才能完成,是相當費時成本效益極低的方法,於是他將眼光投到目前最熱門的人工智慧技術,導入 TensorFlow 來分類鳥類的叫聲,根據 Victor Anton 的說明,他先將音訊轉換為圖像,形成一個光譜圖,在進行分類和標記,接著分類訓練資料並匯入 TensorFlow ,最後建立辨識模型多次訓練讓 TensorFlow 自動判別不同鳥類的叫聲。

導入 TensorFlow 來分類鳥類的叫聲

目前將機器學習用在環境保育的案例相當少,甚至因為大多數神經網路系統為大規模語音辨識系統所啟發,很少有用於檢測鳥類的案例,在鳥鳴分析就更難了!另外,還必須讓機器能夠判別同種鳥類在不同情境下發出的聲音該如何分辨,比如,呼叫同伴、求偶之間的不同。

目前團隊已將此技術試驗在三種鳥類的辨識,紅額鸚鵡、卡卡鸚鵡、鞍背鴉, 透過蒐集這些鳥類資料更近一步了解牠們受到威脅的因子,不同棲地與數種鳴叫聲之間關係,Victor Anton 告訴 INSIDE 編輯, 目前此模型還在發展中,希望提升分類的精準與正確性,目前也開放讓公民大眾參與研究,為 TensorFlow 提供足夠的訓練資料並驗證分類的正確性。

Victor Anton  希望未來可以建立一個框架,讓一般人也可以使用手機裡的人工智慧技術辨認鳥類叫聲,幫助賞鳥的人可以即時獲得物種資料。同時透過遠端感測可以讓科學家獲得更多數據資料,透過建立人工智慧開源的方式,讓數據產生的圖片和聲音可以直接被分析,在其他地區的生物學家也可利用機器學習歸納大量數據,省下時間來做後續的結果判讀和歸納,進而更有效的保育鳥類甚至將此技術帶到其他生物研究,搶救其他瀕臨絕種的動物。

不論是先前介紹過 日本食品廠用來挑選食材原料 、或是 Victor Anton 的特有種鳥類辨識,我們都可以看到「人工智慧」所帶來的價值-AI 非單純取代人力搶飯碗,而是把這些省下來的人力成本做更有意義的事。上,Google 資深研究 Jeff Dean 談到 AI 帶給人類三大核心:為使用者打造更人性化的產品、幫助開發者能夠創新應用、解決人類痛點,他們試圖引導產業進行各種 AI 專案,同時建立開源文化。

許多人認為人工智慧仍在發展初期,但我們可以從各項案例看到機器學習在分類 、預測 和語言理解能力越來越強,將勞民傷財的程序透過科技來解決,接下來我們可以思考,這些技術該如何更好的幫助人類解決問題,不論是環境、醫療、食安、甚至到教育可望都能得力於人工智慧發展。