受到環境變遷以及人類開發影響，有許多動物陸續被列為瀕危物種，比方說澳洲海牛就是一例，過去科學家模式靠坐在小型飛機上飛越海洋觀察海牛數量，不過可想而知這樣的方法不僅昂貴、耗時、而且很危險，幾年前開始，生物學家改用無人機來空拍圖像追蹤海牛數量。
拍了一大堆可能的海牛照片後挑戰又來了，有多達 45,000 張的海上照片，要怎麼從這些照片裡找出海牛呢？於是科學家們先手動找出海牛的影像來訓練機器模型，接著將機器學習模型建構在 TensorFlow 架構上，讓機器能夠自己找出海牛，藉以推估海牛僅存的數量。
早期的機器學習模型大概可以找到 80% 原本要手動才能找到的海牛影像，不過研究人員預期這個準確度將會隨著時間跟著進步，未來可以靠這樣的方式幫助保育人員了解何處才是最需要保育的棲息地。
機器學習應用在鳥類保育上
除了前面提到的海牛保育之外，紐西蘭的生態學家 Victor Anton 也嘗試著要將機器學習應用在紐西蘭的環境保育上。受惠於紐西蘭獨特的地理位置和環境，紐西蘭擁有非常多獨特的鳥類，光是紐西蘭特有種就佔了全部鳥類的 28%，比日本的特有種鳥類 4% 和英國的特有種鳥類 1% 還來得高上許多，因此紐西蘭是非常值得重視的生態區。
但目前因為森林砍伐、棲息地縮減或是掠食者的影響，導致紐西蘭特有種鳥類面臨滅絕的威脅，因此澳洲和紐西蘭兩國都開始進行各種保育行動，包含種植原生植物、放巢箱、餵食器等方式來吸引特有種鳥類，並設置保留區、保護區來確保人類活動不會干擾到鳥類生存。針對野外特有種則是設置聲音信號錄製裝置，希望藉由叫聲來分辨不同的鳥類，進而達到鳥類物種多樣性的目標。
不過光是「錄製鳥叫聲來分辨鳥類」這件事相信大家都知道有多麽困難，首先環境中通常充滿各種環境音，可能鳥才剛叫、旁邊就一台車子開過，很難完整聽清楚鳥叫聲，或是有一大堆不同的動物一起鳴叫，其中包含了某種鳥，這也很難分辨清楚到底是哪種鳥在叫，雖然透過信號錄音裝置搜集了 15,000 個小時的音訊檔案，但生態學家估計如果要透過人工分類，可能要連續聽兩年以上才能完成，費時且效益又低，因此他們就開始考慮運用 TensorFlow 來分辨鳥叫聲。
目前運用 TensorFlow 來分辨鳥叫聲的流程是這樣的，首先先將音訊轉換成圖像變成一個光譜圖，然後開始分類標記不同音訊，把分類訓練的資料匯入 TensorFlow 中，再匯入還沒有標記的音訊檔，讓 TensorFlow 自己判斷這些還沒標記的鳥叫聲。
這個模型目前還在發展中，正努力提升精準和正確性，因此這模型目前也開放給大眾參與研究，希望能幫 TensorFlow 提供足夠的訓練資料來驗證分類的正確性，未來是希望能夠建立一個框架，讓手機裡的人工智慧技術就能分辨鳥叫聲，人們就可以即時定位所在位置，並認識紐西蘭的特有種。
from T客邦 http://ift.tt/2ipuhLZ
沒有留言:
張貼留言