人工智能有助于区分雪豹，提高这些雄伟的山地捕食者的种群数量

人工智能有助于区分雪豹，提高这些雄伟的山地捕食者的种群数量。来源：Pixabay/CC0公共领域

（蜘蛛网eeook.com）据《对话》（Eve Bohnett）：雪豹被称为“山中幽灵”是有原因的。想象一下，在亚洲崎岖不平的山脉中等待数月，希望能瞥见一眼。这些难以捉摸的大型猫科动物在岩石斜坡上悄无声息地移动，它们苍白的皮毛与雪和石头完美融合，即使是最老练的生物学家也很少在野外发现它们。

旅行作家Peter Matthiessen在1973年花了两个月的时间在青藏高原寻找他们，并写了一本300页的书。他从未见过。四十年后，彼得的儿子亚历克斯沿着父亲的足迹往回走，也没有看到父亲的足迹。

研究人员一直在努力得出全球人口的数字。2017年，国际自然保护联盟（International Union for Conservation of Nature）将雪豹从濒危重新归类为易危，并引用了野生雪豹约2500至10000只的估计数据。然而，该组织还警告说，由于栖息地丧失、偷猎和人类与野生动物的冲突，许多地区的数字继续下降。研究这些动物的人希望帮助保护这些物种及其栖息地——只要我们能准确地确定它们的生活地点和数量。

传统的追踪方法——寻找脚印、粪便和其他迹象——有其局限性。由Stéphane Ostrowski和Sorosh Poya Faryabi等专家领导的野生动物保护协会的环保主义者开始在阿富汗部署自动相机陷阱，而不是等待幸运的面对面交流。这些设备在检测到移动时就会拍照，在几个月内拍摄了数千张照片，所有这些都是为了罕见地瞥见雪豹。

但捕捉图像只是成功的一半。下一个更艰巨的任务是区分雪豹。

乍一看，这听起来很简单：每只雪豹的皮毛上都有独特的黑色玫瑰花结图案，就像指纹或人群中的脸。然而，在实践中，通过这些模式识别个人是缓慢、主观和容易出错的。照片可能以奇怪的角度拍摄，在光线不足的情况下拍摄，或者动物的某些部位被遮挡——这使得比赛变得棘手。

当来自不同相机的照片被标记为描绘不同的动物时，会出现一个常见的错误，因为它们实际上显示了同一个个体，从而夸大了人口估计。更糟糕的是，相机陷阱图像可能会混淆或错配，将一只猫的遭遇分为多个批次和身份。

我是野生动物保护协会和Wild Me的其他合作伙伴的数据分析师。我和其他人的工作发现，即使是训练有素的专家也会误判动物，无法在运动感应摄像头监控的位置识别出重复的访客，并对同一只动物进行多次计数。一项研究发现，由于这些人为错误，雪豹的数量被高估了30%以上。

为了避免这些陷阱，研究人员遵循了相机分类指南：必须在两张图像之间确认至少三个明显的模式差异或相似性，才能将它们声明为相同或不同的猫。图像太模糊、太暗或从困难角度拍摄的图像可能不得不丢弃。识别工作包括从简单的案件到需要合作和辩论的模糊案件，这些案件都有清晰、全身的镜头。尽管做出了这些努力，但变化仍然存在，经验丰富的观察者往往更准确。

现在，人们正试图通过两种方式从人工智能系统中获得帮助，以计算雪豹的数量。

现代人工智能工具正在彻底改变我们处理这些大型照片库的方式。首先，人工智能可以快速对数千张图像进行排序，标记出那些包含雪豹的图像，忽略不相关的图像，比如那些描绘蓝羊、灰白色山脉地形或阴影的图像。

即使姿势或光线不同，人工智能也可以通过分析它们独特的玫瑰花图案来识别单个雪豹。每次雪豹遭遇都会与之前识别的照片目录进行比较，如果匹配，则分配一个已知的ID，如果不匹配，则作为新的个体输入。

在最近的一项研究中，我和几位同事分别和同时评估了两种人工智能算法。

第一种算法称为HotSpotter，通过比较关键的视觉特征（如皮毛图案）来识别个体雪豹，用黄色标记突出独特的“热点”。

第二种是一种称为姿势不变嵌入的新方法，其操作类似于面部识别技术：它识别数据中的抽象特征层，识别同一动物，而不管它在照片中的位置如何，也不管有什么样的照明。

我们使用来自美国、欧洲和塔吉克斯坦动物园的雪豹照片集以及包括阿富汗在内的野外图像来训练这些系统。

单独使用，每个模型在74%的时间里都能正确识别大型照片库中的猫。但当这两个系统结合在一起时，85%的时间是正确的。

这些算法被集成到Wildbook中，Wildbook是一个由非营利组织Wild Me开发的开源、基于网络的软件平台，现在被ConservationX采用。我们在免费网站Whiskerbook.org上部署了组合系统，研究人员可以在那里上传图像，使用算法寻找匹配，并通过并排比较确认这些匹配。该网站是越来越多的人工智能野生动物平台之一，这些平台正在帮助保护生物学家更高效、更有效地保护物种及其栖息地。

这些人工智能系统不是防错的。人工智能可以快速筛选候选人并标记可能的匹配项，但专家验证可以确保准确性，尤其是在处理棘手或模糊的照片时。

我们进行的另一项研究让人工智能辅助的专家组和新手组相互竞争。每个人都得到了一组3到10张34只已知圈养雪豹的图像，并被要求使用Whiskerbook平台来识别它们。他们还被要求估计这组照片中有多少只动物。

专家们准确地匹配了大约90%的图像，并在真实数字的3%以内提供了人口估计。相比之下，新手只识别了73%的猫，低估了总数，有时低估了25%或更多，错误地将两个个体合并为一个。

这两组结果都比专家或新手不使用任何软件时要好。

结论很明确：人类的专业知识仍然很重要，将其与人工智能支持相结合可以获得最准确的结果。我和我的同事们希望，通过使用Whiskerbook等工具和嵌入其中的人工智能系统，研究人员将能够更快、更自信地研究这些难以捉摸的动物。

有了像Whiskerbook这样的人工智能工具，我们就有了另一种保护雪豹的方法——但成功取决于对保护它们脆弱的山地家园的持续承诺。