大数据,小鸟儿:GPU 及深度学习如何帮助科学家解救濒危鸟类族群

by 英伟达中国

前往偏远的岛屿、走遍各危崖险境寻找目标对象、安装声音传感器探测鸟儿的一举一动。鸟类学家的身上常藏着詹姆斯·邦德的身手。

SM2 自动数字录音机模型,MNSRP 的  Jay Penniman 摄。
SM2 自动数字录音机模型,MNSRP 的 Jay Penniman 摄。

他们越来越多地运用科学技术 (会让邦德电影里爱好各类新奇玩意的“Q”欣喜不已) 来定位筑巢区、记录鸟叫声并监控种群数量。

经过一天 24 小时的现场监控,声音传感器和镜头捕获了大量无法由人工进行简单分析的数据。

为了破解这些数据以达到保育的目的,位于加州圣塔克鲁兹的 Conservation Metrics 采用由 NVIDIA GPU 加速的深度学习技术来训练软件。

“先是大量的探测工作,再是处理海量数据,”Conservation Metrics 负责人 Matthew McKown 说。

最近取得的成果包括: 帮助海峡群岛国家公园 (位于南加州海岸附近) 监控受到啮齿类动物威胁的鸟类族群。

通过结合新式自动调查和传统研究方法,他们找到了神出鬼没的灰叉尾海燕,这是一种体型娇小的灰色鸟类。McKown 说:“它们生活在人迹罕至的环境中,在地下洞穴内繁衍生息,并且只在夜间出没。”

  莱桑岛上的曳尾鹱雏鸟,美国鱼类和野生动物局的 Abram B.  Fleishman 摄。
莱桑岛上的曳尾鹱雏鸟,美国鱼类和野生动物局的 Abram B.
Fleishman 摄。

过去生物学家进行研究时,得在漆黑的环境中在陡峭崎岖而又湿滑的岩石间爬来爬去。现在,他们只需架设好传感器,即可不分昼夜地记录下鸟叫声。自动分析探测到的鸟叫声,指引研究人员前往安娜卡帕岛上第一处有记录的灰叉尾海燕的鸟巢。

“有了 GPU,我们的工作速度提升了 22 倍,我们可以处理 90,000 小时的数据,过去靠人工方式来收听得花上十年的时间,”McKown 说,他将 GeForce GTX TITAN X 描述为他的得力助手。“加上我们的算法,我们能够探测小概率事件,寻找稀有物种,测量保护行动开展前后的种群数量,以及评估种群活动范围。”

“深度学习非常适合这一用途,”作为公司在人工智能方面的先锋人物,David Klein 这样说道。“物种专家现在可以通过训练自动化软件来增强他们的影响力。”

剪水鹱生存战

Conservation Metrics 还帮助找到了一种曾被认为已经灭绝的海鸟。

莱桑岛上的曳尾鹱,美国鱼类和野生动物局的 Abram B.  Fleishman摄。
莱桑岛上的曳尾鹱,美国鱼类和野生动物局的
Abram B. Fleishman摄。

寄存在博物馆抽屉里的剪水鹱标本于 2011 年被确认为是一种不同的物种,并被命名为“Bryan’s shearwater”。

在对这种袖珍型、黑白相间的鸟类进行周期性观察后,日本研究人员猜测: 这种鸟可能生活在东京以南约 600 英里、小笠原群岛的一座岛上。

“岩石密布的环礁难以进入,研究人员只好带着传感器游向岸边,安装后经过九个月再游过去取回,”McKown 说。“我们听到的鸟叫声令人惊喜。声音持续了很长一段时间,意味着它们就在附近,而且很可能是在繁育。”

研究人员重复了这项实验,并在 2015 年找到第一处巢穴。为了保护这些活生生的小鸟,环保人士现在知道该将重心放在何处了,他们可以通过自动方式来更多地了解威胁和恢复因素。