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。