一手打造史上最強圍棋AI的英國DeepMind團隊最近加入了用人工智能保護野生動物的行列。DeepMind與生態學家、自然保護主義者合作，開發了一款研究動物行為的機器學習方法。這套方法被首先應用在坦桑尼亞塞倫蓋蒂野生動物保護區。

塞倫蓋蒂野生動物保護區 本文圖均為DeepMind blog 圖

塞倫蓋蒂是非洲最大的野生動物保護區之一，以豐富的野生動植物聞名於世。在塞倫蓋蒂14750平方公里的土地上，棲息著大約70種大型哺乳動物和500種鳥類，包括獅子、斑馬、羚羊、麋羚、水牛、鱷魚、河馬、大象、長頸鹿等。

近來，隨著農業、偷獵、氣候異常等人類影響的增加，當地物種被迫改變自己的行為以繼續生存。大約十年前，塞倫蓋蒂的獅子研究項目在保護區核心區域安裝了數百個運動敏感攝像頭，在不干擾日常活動的情況下拍攝動物的自然行為。

截至目前，這個項目收集了數百萬張照片。分析照片的工作由來自世界各地的志願者完成，他們在每張照片中一一識別和統計其中的動物。這項耗時耗力的工作影響了科學家的進一步研究，也使自然保護人士很難對生態系統的破壞做出及時反應。通常，從照片被拍攝到志願者識別出其中的動物大概需要一年的時間。

為了幫助科學家更高效地開展研究，DeepMind訓練了一個機器學習模型，可以自動檢測、識別併計算照片中出現的動物。據DeepMind blog表示，他們的系統在識別約50個大型動物的時候與人類標籤員一樣準確。

生態學家認為，通過照片監測動物行為變化可以了解原始生態系統的動態功能，制定有效的管理計劃來保護當地的生物多樣性。

這類模型的難點在於，用運動攝像頭記錄的野生動物照片有時很難處理，例如動物可能在焦點之外，或者被遮擋。不過，DeepMind稱，在生態學家Meredith Palmer的幫助下，他們的項目很快成型，並大大縮短了全流程處理時間。

據DeepMind透露，目前，該團隊正在部署一種適應於野外環境的機器學習系統，只需要“適度”硬件和少量互聯網連接。一旦這個系統部署到位，塞倫蓋蒂的研究人員能夠直接利用這個工具開展保護工作。