导语：面对目前愈加严峻的野生动物生态系统，DeepMind开发了一个新的机器学习系统来为研究人员们提供更高效的解决方案。
智东西11月6日消息，前段时间，DeepMind与生态学家和环保人士合作开发了一个新的机器学习方法，来帮助坦桑尼亚的塞伦盖蒂国家公园（Serengeti National Park）研究整个非洲动物群落的动物行为。
DeepMind通过利用一个含有丰富野生动物照片的数据集来训练机器学习模型，以自动检测、识别和计算动物数量。
据DeepMind官方表示，目前该机器学习系统能够正确识别大约50种大型物种，和人类的标记员一样准确。
一、野生动物群落受人类影响被迫改变
塞伦盖蒂平原是世界最大的野生动物保护区之一，它拥有完整的大型哺乳动物群落。
由于塞伦盖蒂独特的地质条件和多样的栖息地类型，该地区的生物多样性十分丰富，大约有70种大型哺乳动物和500种鸟类。野生动物们在这片土地上游荡，还有些动物在季节性降雨后会迁徙数千英里，横跨多个国家。
但随着农业、偷猎和气候异常等人类影响的增加，这些动物为了生存不得不改变自己的行为，导致种群动态的变化。
然而，这些变化往往发生在空间和时间尺度上，研究人员很难用传统的研究方法对这些变化进行检测，他们迫切需要找出一个合理有效的方法来了解这些原始生态系统的动态，了解这些动物群落是如何随着人类的影响而变化，并制定有效的管理计划来保护生物多样性。
为此，DeepMind与生态学家和环保主义者共同开发了一个能够研究动物行为的机器学习方法，来帮助塞伦盖蒂野生动物保护区进行研究。
二、用含50种不同物种的数据集训练机器学习模型
大约在十年前，塞伦盖蒂在进行狮子研究项目（Serengeti Lion Research program）时，工作人员在保护区的核心地带安装了数百台高灵敏度运动捕捉相机（motion-sensitive cameras），以捕捉野生动物图像，并研究动物的行为、分布和统计。
过去的九年里，该项目团队已经收集并存储了数百万张动物照片。截至目前，来自世界各地的志愿者帮助工作人员识别和统计照片中的物种，形成了一个丰富的数据集，名叫Snapshot Serengeti，并且该数据集具有50种不同物种的标签和数量。
一般来说，对图片的注释过程需要花大量的人力和时间，其中从动物触发相机拍摄图像，到志愿者注释标签，整个过程耗时长达一年，阻碍了研究人员进行基础研究的能力。
因此，DeepMind和其他研究人员们利用Snapshot Serengeti数据集来训练机器学习模型，以自动检测、识别和计算动物数量。
三、正确识别50种物种，流程缩短9个月
实际上，使用机器学习来对野生动物进行保护并不是件新鲜事。例如，有研究人员曾利用旅游照片和YouTube视频来追踪动物，并利用音频记录来依据动物叫声识别物种。
但有一个问题是，利用高灵敏度运动捕捉相机来拍摄动物图像具有很多不确定性。有时拍摄的动物照片会跑焦，或是动物离镜头的距离和位置太近。
因此，在生态学家和环保主义者Meredith Palmer博士的帮助下，DeepMind的这个AI项目迅速成型。
目前，该机器学习模型能够正确地识别大约50种大型物种，其准确度几乎可以和人类标记员媲美，甚至更出色。
最重要的是，这种机器学习方法将数据处理流程缩短了9个月，这对于该领域的研究人员来说具有巨大的帮助。
四、准备实地部署机器学习系统
当然，这项工作十分具有挑战性，并充满了意外和危险。例如电线故障、互联网访问受限或无法访问。
目前，DeepMind正在准备实地部署机器学习系统，并研究如何在只具有适量硬件要求和少量互联网访问的情况下，安全地运行他们的预训练模型。
一旦部署到位，塞伦盖蒂的研究人员将能够直接使用该工具，以获得最新的物种信息，以更好地进行保护野生动物的工作。
结语：为解决当前世界难题提供新研究方向
这次DeepMind开发的机器学习模型，既能用于检测和分析野生动物种群的数据，进行数据整合，还能进一步帮助非洲地区的野生动物保护区逐渐建立人工智能系统。
接下来，研究人员则需要实地部署该机器学习模型，对该模型的工作进展进行跟踪，以验证机器学习模型的能力。
而DeepMind的科学团队也一直通过利用AI技术来研究和应对各种挑战，这不仅促进了人工智能技术的发展，也为目前世界上所面临的难题提供了一种新的研究思路和方向。
