先来看一组数据。1890年，我国野生东北虎的种群数量为1200—2400只，1930年约为450只，40年间减少了75％。到20世纪80年代，我国野生东北虎已基本处于灭绝边缘，仅14只左右，与1930年相比，减少了96％。

1890－－2013年间中国野生东北虎种群变化趋势，数据来自《四川动物》

毫无疑问，野生东北虎的数量已经越来越少。除此之外，包括小熊猫、大熊猫、白颈长尾雉、金丝猴、白鹮等在内的珍稀动物都面临着灭绝的危险，如果我们不对动物保护引起注意，也许在未来，越来越多的动物将成为珍稀动物。幸运的是，随着人工智能技术的发展，物种保护已经成了AI涉足环境领域的主要应用。

拿什么技术拯救你，飞禽走兽

就在世界爱虎日，英特尔公司与世界自然基金会（WWF）宣布，双方将运用人工智能技术实施东北虎保护项目。实际上，越来越多的国家或组织开始利用人工智能技术保护野生动物。

1．任何不谈物种检测的物种保护，都是在耍流氓

物种检测最基本的做法是，通过运动传感摄像头自动拍照，然后将这些照片输入到一个模拟人类视觉皮层神经元之间连接模式的深层神经网络，最后用文字和数字对照片进行标注，比如什么动物，数量，性别，大致年龄，位置，附近的其他动物等。由于每只动物都有自己的特征，越精确的标注越有利于真正积累有效的数据。

来自奥本大学、哈佛大学、牛津大学、明尼苏达大学和怀俄明州大学的研究人员开发了一种机器学习算法，可以识别、描述并统计野生动物的数量，准确率高达96．6％。该研究召集了超过5万名志愿者，并作出了贡献。语料库收集了大象、长颈鹿、羚羊、狮子、猎豹和其他动物在自然栖息地的图像，对320万张图片进行了计算机视觉算法的训练。

这一研究凭借群众的力量，最终实现准确地、且低成本地收集野生动物数据，无疑值得借鉴。在物种检测的同时，更是实现了保护生物学以及动物行为科学等相关科学的“大数据”积累。

值得一提的是，如果需要对某些陆地动物的运动轨迹和活动范围进行检测，比如老虎。最好是安装智能机器视觉处理设备，对动物的活动进行更加精准的监测和数据采集。通过数据分析识别成百上千个摄像头的图像，追踪其历史运动轨迹，最后对其进行精确的画像。

2．天上飞的水里游的，追踪运行轨迹是基本的

说到对鱼类或是鸟类，总是避不开轨迹追踪。保护海洋生物的问题在于，难以追溯，而且需要对海洋环境，酸碱性，所处航道宽度有了解。Wildbook是一个致力于保护海洋生物的软件，它不仅可以从人工手动上传的动物照片中接收数据，还可以搜索图像和视频，甚至查看可能对它的学习有用的一切媒体。

这种深度学习方法使它能够在不同的图像中找到相同的精确动物，帮助研究人员更准确地使用有关动物健康，饮食习惯，狩猎模式，种群大小和潜在偷猎者活动的数据。

在上面智能相对论分析师雷宇提到，集思广益集合群众的力量会快速积累数据。在数据难以获取的领域，尤为明显。康奈尔学院和康奈尔鸟类学实验室联手，研发出了一个叫做 eBird 的应用程序，已经拥有超过30万志愿者提供的3亿多个观察数据。为了保证结果的准确性，研究者将 eBird 搜集的数据与实验室观察数据以及从遥感网络搜集的物种分布信息结合起来，最终机器学习便能预测某些种类栖息地的变化，以及鸟类迁徙路径。

白肚燕迁徙图，可预测各地区的的种群变化

其实对物种轨迹的追踪，其意义不仅在其本身的保护，更重要的是可以衡量气候变化对野生动物的影响，为科学家提供有关气候变化如何影响动物种群的宝贵信息。

3．偷猎者放不下手中的枪，AI只能与他正面刚

在数千平方千米的面积上，仅靠人力找到每个偷猎者根本不可能。即使是使用飞机巡逻，靠直升机或在动物行进路线上架设摄影机来侦察也不行，摄影机只能记录单一位置的数量，直升机又太贵而且由于地面隐蔽性太强，很难在事情发生之前就实现对其的精准捕捉。而一些贫穷的地方，因为政府往往无暇保护动物，更是偷猎者的天堂。

一般人难以区分野生动物，植物，灌木

南加州大学工程和计算机科学教授 Milind Tambe 博士带领小组对防偷盗进行了研究，他们称这项技术为野生动物安全助手（Protection Assistant for Wildlife Security，PAWS）。

他们的数据来源主要参考两种信息：过去哪里有情况以及哪个区域需要额外的保护。通过对这些数据的积累，对未来的袭击地点做出更准确的预测，最后决定在哪些地方加强防护。

这就低成本的实现了利用人工智能防止捕猎，具有广泛的使用意义。初次之外，还可以利用声音来绘制偷猎者枪声的所在位置的地图，利用无人机配备红外摄影仪巡逻等。 由于人工智能是响应式的，因此它会根据对手和它们的行为不断改进。一方面是预测对方行为，另一方面是据此调整己方策略，随着数据的积累越来越多，就越能实现在盗猎者盗猎前的精确捕捉。

AI无限好，问题也不少

从上面的这些技术的应用中，我们也可以发现，它依然存在不少的问题。

1．动物保护数据多是用户上传，质量难以保证

数据问题在人工智能与任何行业或技术结合的时候都会出现，但是动物保护的数据问题，针对不同的物种，会出现截然不同的结果。要么太多，要么太少，少有刚刚好。实际上我们都知道在机器学习中，数据并不是越多越好，机器学习会出现数据过拟合的情况。正确的说法是有用的数据越多越好，以一种采集鸟类的声音的研究为例，数据多而杂，一般都是2000多小时以上的数据，其中包括其它鸟类的声音，风声雨声落叶声等等，一般难以实现鸟声分离。

而在对鱼类进行追踪学习的时候，常常会出现数据不够的窘境，因为数据包括海岸线宽度，水的酸碱度，水温等不易获取的数据。由于对动物的田野调查非常耗费时间，因此很多研究均鼓励用户或是志愿者上传数据。这虽然提高了数据搜集效率，但也导致数据质量良莠不齐。

机器学习一直存在所谓的“黑箱”，一些不良的数据将会使机器向哪方面发展呢？

2．AI是一门技术，盗猎者也能研究

喜剧电影为了戏剧性，常常塑造出蠢贼的形象。现实生活当然也有，但我们应该知道，偷猎者很多不仅不蠢反倒极其灵活，他们心狠手辣经验丰富。还有一些人，仅仅是以打猎为乐，他们有钱有闲，纯粹是图爷高兴。这批人并没有我们想象得那么好对付。

我们对AI保护动物的研究一方面是对其本身的追踪保护，另一种是与偷猎者搏斗，而这通常是建立在偷猎者依然不借助高科技手段的基础上，可能一些蠢贼和蠢人容易被甄别。但我们别忘了，AI是一门技术，当我们在研究AI保护动物的时候，偷猎者同样在研究AI伤害动物。

偷猎者不仅有点聪明还有点张狂，他们也成立论坛交流偷猎心得，根据不同的方式分为若干个子栏目，尤其是交流区更将捕杀野生动物的过程进行了记录，还附带照片。我们怎么能保证具有这种偷猎癖好的没有机器学习专家，未来的偷猎与反偷猎，很可能上升到人工智能与人工智能的对决。

在使用AI保护动物上，如果我们不建立切实可行的技术壁垒，很难说，偷猎者的野路子AI，会不会反而加速了动物灭绝。

结论

野生动物的保护，除了利用技术让他们适应得更好。还可以建立一个生态圈，实现完整的生态链。利用大数据去分析，需要什么动物，什么植物，什么环境等等等，微软就曾试图这样保护海洋生物，毕竟在相对密闭，相对可控的空间里，AI更能大展拳脚。同时，还可以通过对珍稀动物基因分析，克隆甚至3D打印出新的个体等。

保护动物吧！毕竟，搞不好哪一天人工智能造反了，动物还能念旧情成为我们唯一的同盟军。

文｜雷宇