如何運用 GPU 與深度學習來保護瀕危物種

作者 Tony Kontzer

想在數十平方哩的非洲灌木叢裡想要找隻印度豹的身影,簡直是天方夜譚。

不過印度豹一天會留下20萬個足印,找出牠行走過的足跡會簡單多了。

除了能有效找出動物的位置,足跡還能告訴你更多不為人知的事情。

這項見解有可能會對由深度學習與 NVIDIA GPU 所引發的野生動物保育工作,帶來革命性的發展。

Zoe Jewell 與 Sky Alibhai 兩人共同創辦了專注於監控瀕危物種的非營利組織「WildTrack」。他們在世界環境日的這天,發表了一項稱為「ConservationFIT」的計畫,其中的 FIT 指「footprint identification technology」,也就是足跡辨識技術。

這項計畫打算以眾包方式處理動物足跡的照片,再使用那些照片來建立能辨識動物物種、個體特徵、性別和年齡的演算法。

1990年代兩人在為期兩年的休假研究活動裡,協助辛巴威和納米比亞政府於黑犀牛盜獵情況最為險峻之際,監視黑犀牛的生存情況,開始試圖進行這項研究。他們發現這是自己一生的志業,就此傾盡全力、投入其中。

非法交易犀牛角造成黑犀牛族群大批滅絕。當地政府曾使用無線電項圈和割角的方式,當成主要保護黑犀牛的手段。

Jewell 與 Alibhai 在未開墾的森林地帶流浪十年後,覺得上述方法毫無成效,項圈不僅經常故障,同時為了要固定母犀牛以重新戴上項圈,對於母犀牛的生育週期,更帶來始料未及的毀滅性效果,以往每三年會產下一頭小犀牛,結果延長到每十年才會產下一頭。

追尋足跡

 

跟他們配合的偵察員不斷問他們,何不跟蹤動物的足跡就好。這些偵察員能從足跡裡找出更多的秘密,而非只是動物的去向。

「這些土生土長的專家們不只能從足跡辨識出物種,還能看出個體特徵,這可讓我們驚訝不已。他們不斷發現足跡、告訴我們那頭犀牛的名字,再追蹤那頭犀牛以證明他們的論點。」Alibhai 說。

兩人多年來不辭辛苦,使用醋酸鹽或是一卷又一卷的賽璐珞片等技術來跟蹤動物足跡。而1990年代中期的兩項發展改變了一切:數位相機的出現及發現 SAS Institute 的統計分析軟體 JMP Software,讓他們能發展出精密複雜的統計模型。

那些技術引領發展出 FIT,如今能將照片裡的足跡依物種、個體特徵、性別和年齡進行分類。

「從影像處理、分析到在地圖上繪出分布情況,FIT 都能一手包辦。」Alibhai 說。

需要發展出更多演算法來滿足需求

 

WildTrack 迄今已為15個物種開發出 FIT 演算法(其中包括最早為其開發 FIT 的黑犀牛),而全球各地的田野研究項目意圖加大監控瀕危物種的力度,去年對於 FIT 的需求出現大增的情況。

推出 ConservationFIT 計畫的目的,在於使用田野生物學家、追蹤者和公民科學家透過智慧型手機上傳的照片,加快開發演算法的速度。

因此 Jewell 與 Alibhai 跟 SAS 合作,使用 NVIDIA GPU 來探索深度學習領域,以追上照片和照片裡的詮釋資料數量預計將不斷增加的腳步。

「我們還在早期階段,探索足跡、動物毛皮的花樣、毛髮樣本結構及其它形態特定特徵,不過初步結果已大幅超過我們的期望。我們料想 NVIDIA 的 GPU 將可加快探索速度,讓我們能處理更大量的資料。」Jewell 說。

最後,Jewell 與 Alibhai想徹底利用全球目前造訪保護區的八十億人次遊客的力量。

「想想看,只要有 1% 的遊客帶著智慧型手機,並且收集一些足跡資料,就會提供八千萬個資料點用於深度學習和 FIT,判斷物種的分布情況和辨識個體特徵。」Jewell 表示。

以下影片是杜克大學訪問 WildTrack 的 Jewell 與 Alibhai 的片段,能更深入瞭解他們的保育工作。