上面的影片是人類首次利用人工智慧即時檢測穿山甲 — 世界上最瀕危的物種之一。
英國一個名為 Conservation AI 的非營利性組織在 NVIDIA 技術的協助下實現了此應用。如此應用人工智慧有助於即時追蹤最稀有、最隱秘的物種，讓保育人員能夠在干預為時已晚之前保護它們免受威脅(如偷獵者和火災)。該組織由利物浦約翰摩爾斯大學 (Liverpool John Moores University) 的研究人員 Paul Fergus、Carl Chalmers、Serge Wich 和 Steven Longmore 於 4 年前創立。
在過去一年半裡，Conservation AI 已在全球部署了 70 多個由 AI 驅動的監視器。這些方法有助於保育人士透過深度學習模型訓練的遷移學習，達到即時偵測威脅以保護生物多樣性。
在利物浦約翰摩爾斯大學教授深度學習和應用人工智慧的 Carl Chalmers 表示：「這很簡單 — 如果不保護我們的生物多樣性，地球上就不會有人類。沒有人工智慧，我們就永遠無法實現保護瀕危物種的目標。」
Conservation AI 的解決方案使用 NVIDIA Jetson 邊緣 AI 平台和 NVIDIA Triton 推論伺服器構建，該平台在短短四秒內就對影片進行分析、識別觀察種類，並用電子郵件向保育人士和其他使用者發出潛在威脅警報。
它還可以透過使用具有龐大的圖像以及其他後設資料的資料庫，快速模擬生物多樣性和棲息地健康的趨勢，不然會需要花數年才能完成分析。 保育人士現在能夠透過此平台實時識別這些趨勢和物種活動。Conservation AI 與全球 150 個組織合作，包括保護協會、狩獵和野生動物保護區。 迄今為止，該平台已處理超過 200 萬張圖片，其中約有一半的圖片是在過去三個月處理的。
節省時間以拯救物種
長期以來，人們一直使用相機陷阱來監測對生物多樣性的威脅，這種攝影網路配備有置於野外環境中的紅外線感測器。 但是相機陷阱會產生難以管理的數據，因為動物及其環境的影像通常有很大的可變性。利物浦約翰摩爾斯大學機器學習教授 Paul Fergus 說：「一項典型的相機陷阱研究可能需要三年時間來分析，所以當你獲得洞察結果時，要對這些物種的威脅進而採取任何措施時都為時已晚。Conservation AI 可以分析相同數量的數據並將結果發送給保育團隊，以便實時進行干預，這一切都透過 NVIDIA 的技術得以實現。」
許多瀕臨滅絕的物種居住在偏遠地區，無法接觸到人類的通訊系統。 該團隊使用 NVIDIA Jetson AGX Xavier 模塊分析在這些區域用無人機擷取並被串流傳輸到智慧控制器的鏡頭畫面，該控制器可以計算物種數量或在偵測到觀察物種時提醒保育人士。
Chalmers 表示，與該組織以前的方法相比，配備 Triton 推論伺服器的 Jetson 模塊組提供的節能邊緣 AI 已將深度學習推論速度提高了 4 倍。Chalmers 進而補充道：「我們之所以選擇 Triton，是因為該框架的彈性及其支持多種模型類型，能夠在 NVIDIA 加速運算堆疊上訓練模型意味著我們可以非常非常快速地對模型進行巨大的改進。」
Conservation AI 使用 NVIDIA RTX 8000、T4 和 A100 Tensor Core GPU 以及 NVIDIA CUDA 工具包來訓練和推論其深度學習模型。 Fergus 將 NVIDIA GPU 稱為是「面臨大數據挑戰的應用人工智慧和保育領域的遊戲改變者。此外，該團隊的物種偵測管道是建立在NVIDIA DeepStream軟體開發套件之上，用於視覺AI應用，能夠在現場進行即時影片推論。
Chalmers 說，「如果沒有這項技術，通常還會派出直升機去觀察這些動物，這非常昂貴且排放大量的二氧化碳，對環境有害。Conservation AI 的技術有助於減少這個問題，並在干預尚未為時過晚前偵測到對動物的威脅。」
偵測穿山甲、犀牛等
Conservation AI 平台已被總部位於英國的著名保護協會切斯特動物園 (Chester Zoo) 部署，以實時偵測偷獵者，包括那些在烏干達獵殺穿山甲的人。由於穿山甲等許多瀕危物種難以捉摸，因此很難獲得足夠的圖像來訓練 AI 模型。 因此，Conservation AI 團隊正與 NVIDIA 合作，探索使用合成資料進行模型訓練。
該平台也被部署在南非林波波 (Limpopo) 的一個野生動物保護區，透過人工智慧會監控該地區包括像是黑白犀牛的野生動物。Chalmers 說：「磅換鎊，犀牛角比鑽石還值錢。我們基本上在這些犀牛周圍建立了地理圍欄，一旦發現偷獵者或其他型別的威脅，保護區可以立即進行干預。」
Fergus說：「該組織的長期目標是要創造一套工具包，成為保育人士做出各種努力的強力支援，包括透過衛星影象監控野生動物，以及利用深度學習模型分析聲音 — 像是動物的叫喊聲或森林火災的聲音。」
Chalmers說：「失去生物多樣性真的就像是一顆定時炸彈，NVIDIA AI 的美妙之處在於它讓每一秒都變得有價值。沒有 NVIDIA 的加速運算堆疊，我們就無法應對氣候變化和無法改變失去生物多樣性的情況，而這是我們最終極的夢想。」
照片來源: Chester Zoo.