看见一匹斑马并不意味着你就看见了整个斑马种群。但如果研究者可以掌握它们的实际数量，那么这句话的后半句就截然不同了。
想要做到这一点，你必须能够识别出个体斑马；但是在 Tanya Berger-Wolf 花了 25 分钟试图识别一种特定的斑马后，她发现识别出个体斑马这件事知易行难。
斑马身上的条纹就如同人类的指纹一样精巧独特。“我觉得自己快要疯了。”伊利诺伊大学芝加哥分校的计算机科学教授 Berger-Wolf 坦言道。
为此，Berger-Wolf 创建了一个解决方案，利用公开分享的视频和 GPU 来加速识别各种动物个体。
这个工具叫做 Wildbook，可以解决困扰着 Berger-Wolf 及与其合作的众多野生动物研究同仁的难题，Berger-Wolf 目前是其所在大学计算群体生物学实验室的领头人。
应对斑马识别的挑战。
Berger-Wolf 发现，其软件的计算机视觉组件在识别斑马方面效果极佳。此外，她还与伦斯勒理工学院 (Rensselaer Polytechnic Institute) 的计算机视觉研究员 Charles Stewart 合作，将这一技术的应用范围扩大到了其他物种。但是，在一个数据集中将个体动物的图像与其他物种相匹配的过程十分缓慢且不够成熟。
在寻找解决方案的后续研究过程中，Berger-Wolf 遇到了非营利组织 WildMe，这家组织利用先进的数据模型来创建鲸鲨目击日志。她觉得自己的团队和 WildMe 可以互相帮助。
“他们想在系统中添加计算机视觉技术，而我们有意寻找成熟的数据管理层。”Berger-Wolf 说道，“因此我们一拍即合。”
由此形成的 Wildbook 项目凝聚了多个组织的不懈努力，旨在保护濒危动物。
通过利用公开和有意共享的图像和视频，Wildbook 团队创建了基于特定物种的动物目击视觉数据库，并整合了可从照片和视频中收集到的所有数据。
从视频中提取数据
为实现上述目标，需使用由 AI 技术支持的计算机视觉系统以捕获来自 YouTube 和社交媒体网站的视频，从而识别出每一种动物。同时，还利用了自然语言处理技术以转录文本或音频。
迄今为止，该团队为长颈鹿、北极熊、鲸鲨和蝠魟等动物创建了 15 个 Wildbook 数据库。他们还收到了 200 多份环保主义者要求创建更多 Wildbook 的申请。
GPU 在计算机视觉管线中作用显著，借助 GPU，Wildbook 团队得以筛选图像并进而实现物种分类。通过把 GPU 和深度学习技术相结合，Wildbook 创建者可以深入挖掘隐藏在图像中的内在数据。
“对于每一张图像，我们不仅识别出了物种，还识别出了个体。”Berger-Wolf 说道，“我们可以分辨出哪部分是斑马的像素，而哪部分是背景。我们能够识别出遮挡物并根据图像的质量进行分类。”
GPU 极大地提高了这一过程的速度。据 Berger-Wolf 估计，GPU 将探测物种用时从每张图像数秒缩减至几分之一秒，这对于需要处理数千张图像的她来说意义重大。
放眼全球
Berger-Wolf 为 Wildbook 项目设立了远大目标。她正努力将其发展为全球性的资源，以帮助环保主义者应对非法偷猎行为，或为科学家提供更多不同物种间的互动信息。
“我们非常希望能把它扩大到全球范围。”她表示，“我想把这一项目扩展到栖息地层面、到大陆层面。”
或许更重要的是，她希望 Wildbook 能帮助人类了解到其自身活动对于动物环境的影响。直到今日，这一影响依然不为人所熟知。
Berger-Wolf 通过举例指出，几个月前，科学家估计地球上有 4000 到 6500 只雪豹，但由于其不确定性过高，因此这一数据并不能提供真正有用的信息。在其他地方，环保主义者在两年内共花费了 800 万美元试图清点大象的数量，希望能够由此了解到偷猎的真正影响。
一旦为这些动物成功创建 Wildbook 数据库，所获得的大量数据将会让生物学家和环保主义者更好地了解到他们在动物保护方面面临的挑战。最终，Berger-Wolf 希望他们可以与数据实现动态互动。
鉴于数据量之大，以及时空维度下个体动物图像的高分辨率，要想实现这一切，GPU 加速技术对实现上述目标来说必不可少。
“我希望可以在地图上放大某一点，然后说，这是哪种动物？它是怎么随着降雨量或洋流的改变而变化的？”她说道，“我们可以真正地扩充关于物种基本信息的知识。”