AI技术如何助力野生动物保护

作者：Arm 高级首席工程师 Ed Miller

人工智能 (AI) 应用正以前所未见的速度持续增长。有观察家认为 AI 可以解决部分当前人类所面临的严峻挑战。然而，现在却很少有开发者知道如何将 AI 应用在可持续发展上。

为了弥合技术差距并支持可持续发展目标，Arm 与 FruitPunch AI 共同赞助了“AI for Bears 挑战”。FruitPunch AI 教导大家如何应用 AI 来解决联合国 17 项可持续发展目标中的实际挑战。由来自全球各地的学员与专家组成 15 到 50 名工程师的团队，在十周内着手解决相关方面临的数据问题。招募完成后，团队成员将参加一系列专业培训课程，包括高级研习课程、研究、实验、实作与成果展示。

为何会选择熊？

我除了担任 Arm 软件工程师之外，也在由我共同创立的非营利组织 BearID 项目中担任志愿者。我们为相机陷阱数据开发 AI 应用，以非侵入性的方式监测熊与其它野生动物。熊的重要性在于它们被视为“伞护种”，它们分布范围广阔，保护它们的同时，也有助于保护与它们共享栖息地的许多物种。它们面临着从栖息地流失到气候变迁等诸多保护问题，BearID 项目的目标是在多个保护区解决联合国可持续发展目标中的第 15 项陆地生态系统问题。

对于 BearID 项目的保护科学家 Melanie Clapham 博士等研究人员来说，其面临的主要挑战之一是处理大量的影像与视频数据。相机陷阱网络虽能以有效、不打扰熊类活动的方式进行监测，却会致使数千小时的人工分析。而且因为地点偏远、数据搜集与分析过程繁复，往往会导致数月、甚至数年都难以取得任何有意义的成果。尽管 BearID 项目中的 AI 应用有助于加速分析，但近乎实时的解决方案将能够提供更切实可行的数据。例如，与我们共同组织挑战活动的非营利组织 Hack the Planet 正着手研发一套熊只的吓阻系统，以减少在罗马尼亚发生的人熊冲突。为了实现此目标，我们需要边缘侧 AI。

AI for Bears 挑战

这正是 Arm、FruitPunch AI 与 AI for Bears 挑战活动可发挥作用之处。通过 Hack the Planet 与 BearID 项目搜集到的数据集，此挑战活动主要有两大目标：

为熊只吓阻系统打造一个高效率的分类模型

“智能相机”设备上打造模型以侦测并识别熊只

共计 19 位 AI for Good 工程师分为下列四组，在超过十周时间，工作了 1,500 个小时以上：

熊只分类

熊脸侦测与区隔

熊只识别

边缘侧机器学习 (ML) 管线

影响

除了 AI for Bears 挑战活动的技术结果，我更想聚焦在有意义的后续影响上。如果你对挑战活动的成果感兴趣，可以阅读《AI 对熊类生态保护的必要性》这篇文章[1]，它总结了四组团队的最终报告。本文，我将聚焦在学习心得与影响上。

学习心得

这次挑战让 19 位参与者参与了为期十周的活动，深入探索自然保护、人类与野生动物的冲突、AI 开发流程与团队合作。熊只分类小组的 Davide Coppola 表示：“这次活动中一个重要学习是团队合作让梦想成真。每个人都有不同类型的专业，当众人为了共同目标合作，就可以在极短时间内成就非凡成果。”

挑战活动过程中，各团队导入多项新工具。例如，边缘设备 ML 管线团队可以访问 Arm 虚拟硬件 (Arm Virtual Hardware)。该团队的 Gaspard Bos 指出，虚拟的 NXP i.MX93 开发平台让我们得以在虚拟的 i.MX93 设备上率先测试熊只检测与识别流程的部分功能，并更熟悉这个平台。由于团队利用虚拟方式，虽然仅有一位成员能直接访问实体设备，Arm 虚拟硬件让这支团队在没有开发板可用的情况下，也能持续开发应用。

挑战活动进行期间，有人曾提出希望 BearID 项目分享更多数据。Clapham 博士与加拿大英属哥伦比亚的第一民族 (First Nations) 组织密切合作。他们一起收集由该组织代表的七位原住民管理的陆地数据。BearID 项目只会在严格守则的管理下共享这些数据。Gaspard 从 AI 伦理角度总结：“我很欣赏研究人员对这片土地原始守护者的尊重，以及他们在熊只管理方面的参与。他们的参与和权威性，对数据分享的实践有深远影响。一开始这可能会让开发者感到复杂，但也会迫使我们重新思考我们正在处理的数据，以及如何以更专业的态度对待这些数据。”

熊只侦测与区隔及熊只识别团队的 Arthur Caillau，原本的专业就是 AI 方向，他对熊脸侦测与区隔以及熊只识别做出了贡献。他表示：“项目期间我为了强化熊脸的辨识，重温了我的度量学习知识。利用科技与工程专业来应对保护工作的挑战，让我获益良多。”

对野生动物的影响

对保护野生动物（特别是熊群）产生正向的影响是此次活动的关键目标。之前 FruitPunch AI 也曾在这个领域做出贡献。FruitPunch AI 首席技术官 Sako Arts 表示：“这次合作让我们得以运用我们的社区以及之前动物重新识别挑战活动取得的经验，帮助解决熊群问题，并为这些珍贵的动物保护工作贡献心力，让我们感到相当欣喜。”

FruitPunch AI 在针对挑战活动成果的文章中提到，部分 AI 模型已经能够良好运作。尽管并非所有的模型都已针对在低功耗边缘设备上运行进行了优化，Hack the Planet 已计划实地测试其中一个熊只分类器模型。这将是他们在罗马尼亚进行的第二代熊只吓阻系统的一部分。

对于实现在设备上提供近乎实时的监控解决方案，这次的挑战活动可以说跨出了一步。边缘设备 ML 管线团队利用 NXP i.MX93 开发平台，展示了分类、侦测与区隔。通过使用 Arm Ethos-U65 NPU，团队展现了比基于 CPU 的推理快 5 到 19 倍的执行速度，且大幅降低了每次推理的功耗。下一步则是整合这些模型，让它们成为软件定义相机蓝图中智能野生动物相机的参考用例，也就是开源且云原生的参考栈。

除了技术上的影响，还有态度上的改变。例如，当被问及这项挑战活动如何改变参与者对野生动物的看法时，Davide 回答：“人类与熊只冲突的问题比我想像的严重，而相对简单的解决方案其实就能为对立的双方带来正面影响。”其它参与者则指出他们现在更能理解熊在我们所处的世界中所扮演的角色，以及我们的决定将会如何影响到它们。

对个人的影响

一些参与者不仅学到了技术、对野生动物的理解和获得个人成就感，他们还找到了自己的使命。Davide 表示，这项挑战活动让他有机会在日常工作以外，利用专业技能为公益事业贡献力量。他希望这个项目，或其它类似的项目，最终可以让他专职投入于 AI for Good。Arthur 则已经朝这个方向努力，他表示：“这项挑战活动坚定了我投身保护工作的决心。”在挑战活动期间，Gaspard 开始担任多家企业与银行的 AI 顾问。他补充说：“尽管这是我做过最具商业色彩的工作，我仍然受其影响力驱动，该项目能促使我鼓舞同事与客户共同为更大的公益目标做出贡献。”

不只参加挑战活动的开发团队有所收获。恩智浦半导体 (NXP) 系统创新部门主管 Brian de Bart 表示：“AI for Bears 项目是我们为公益事业贡献微处理器与 AI 技术的绝佳机会。NXP 的工程师得以和一群全心投入的 AI 爱好者们合作，共同开发野外熊只识别解决方案。团队通过在 i.MX93 上部署开发完成的 AI 模型，充分展现了 i.MX93 解决方案在边缘侧设备上实现熊只实时分类与识别的有效性。”

结论

赞助 AI for Bears 挑战活动是 Arm 与其合作伙伴弥合 AI 开发者之间技术差距，同时介绍 Arm 技术，并推动可持续发展目标的绝佳方式。参与者不仅学习到最新的 AI 技能，并发展出对自然界更深刻的认识。我们可以携手为人们与地球推动正向改变，实现可持续发展，并推动联合国全球可持续发展目标的进程。