世界的生態運作依靠著珊瑚礁，然而氣候變遷、海岸開發、過度捕撈和海洋汙染等因素卻使得珊瑚礁卻一點一滴地消失中。
地球上四分之一的珊瑚礁已經死亡，科學家正在加快搶救它們的腳步，而 GPU 加速的深度學習技術讓科學家們有著突飛猛進的進展。
大批珊瑚礁正處於危險關頭，儘管它們在海床上的覆蓋面積不足1%，卻對超過四分之一的海洋生物提供了食物和遮蔽處、提供能餵飽十億人以上的魚群，還提供工作機會養活了沿岸地區的數百萬人口。
科學家研究珊瑚礁的影像，以測量珊瑚礁的健康和長期變化的情況，不過現在是由人工來進行這項燒錢耗時的作業。
加快900倍的速度
線上珊瑚礁影像資訊資源 XL Catlin Global Reef Record 表示，研究人員今日宣布一項會自動分析珊瑚礁影像的深度學習作業流程，較傳統方法的速度快上900倍，仍可達到相同的精準程度。
全球珊瑚礁紀錄首席科學家，且為昆士蘭大學教授的 Ove Hoegh-Guldberg 表示，新技術「讓全球科學家以前所未見的速度，更快速評估珊瑚礁的健康情況」，而有了那些資訊便能更有效地採取保護和搶救的行動。
對珊瑚礁來說改變遊戲規則的因素
一隻海龜悠游在大堡礁黑容島已經白化的珊瑚礁上方。海水溫度過高，
使得珊瑚排出住在組織內的彩色藻類，使得珊瑚出現白化。長期白化
會使得珊瑚死亡。
照片提供：XL Catlin Seaview Survey。
在加州大學柏克萊分校人工智慧研究中心與昆士蘭大學全球變遷研究機構的合作支持下，這項自動化分析作業成長迅速，並由成立四年的 XL Catlin Seaview Survey 負責收集全球珊瑚礁的資料。
柏克萊分校的博士後研究學者 Oscar Beijbom 開發出影像分析和深度學習演算法，使得電腦能在約225,000張珊瑚礁圖片中辨識出40類珊瑚、海棉、海藻和其他生物。
Beijbom 使用我們的 CUDA 7.5 編程模型和三具 GeForce GTX TITAN X GPUs，讓電腦的分析速度較人工作業快上900倍，此舉可能改寫未來保護珊瑚礁的工作方式。
「我們愈能測量和監控珊瑚礁，就愈能著手解決珊瑚死亡的原因。」Beijbom 說。
運用更多深度學習技術，將獲得更佳的結果
Beijbom 正在對第二項用於分析珊瑚礁影像的深度學習資源進行最後調整，將加入他在攻讀博士學位之際協助開發的 CoralNet 入口網站的行列。
研究人員使用這個入口網站上傳和說明他們的珊瑚礁影像，迄今已有近24萬張。Beijbom 在接下來幾個月裡於 CoralNet 上推動深度學習技術時，其他使用者便可利用自動分析的優勢。
XL Catlin Seaview Survey 首席科學家 Manuel González-Rivero 表示，對於科學家、海岸主管機關及致力於搶救珊瑚礁的人士來說，取得更多關於珊瑚礁的資訊，像是每種珊瑚礁的特色、對於汙染等壓力如何回應，以及長期如何變化，都能增加他們發展珊瑚礁保護機制、規範海岸活動和設計實驗項目的能力。
部分科學家正嘗試在育苗場中培養珊瑚，他們可以運用珊瑚礁的資料來判斷在何處進行移植會有較高的存活率。
「如果我們要搶救珊瑚礁，就得採取跟過去不同的方法。」González-Rivero 說。
深度學習技術自動分析一張珊瑚礁的照片。程式能辨識40類珊瑚、海棉、海藻和其它生物。圖片提供：XL Catlin Global Reef Record。