世界野生动物基金会的报告显示，自20世纪70年代以来，脊椎动物的数量平均减少了60%。联合国的一项全球评估发现，有近100万物种面临灭绝的危险，其中许多物种甚至可能在未来10年内就尽数灭绝。

为了更有效地保护野生动物，谷歌与七家国际动物保护组织联合起来，凭借运动相机拍摄的照片，绘制了450多万只野生动物的行动地图。这些照片都发布在了野生动物观察平台（Wildlife Insights）上，这是一个支持AI系统的、基于谷歌云而运行的平台，通过加速动态照片分析来简化保护和监测野生动物的流程。

人力处理数据困难重重

通过向平台传送保护区照片和汇总数据，每个人都有机会改变该保护区的管理方式，并由专业环保人士和决策者的介入，最终帮助增强其保护能力，为野生动物提供更佳的保护环境。

通过运动相机拍摄的动物活动的动态照片，能够帮助研究人员检测并评估该野生动物物种的健康状况，这对那些常日隐居的、罕见的物种来说尤为必要。运动相机在捕捉到活动迹象后，将被自动触发以拍摄照片。生物学家和土地管理者在世界各处的森林和荒野地区都安装了运动相机来监测物种，每年能拍摄数百万张照片。

但当你有数百万张野生动物的动态要整理时，面对堆积如山的数据，你会怎么做呢？更棘手的情况是，对于那些黑暗的、或在灌木丛间拍摄的照片，难以快速找到动物所在，你又将如何快速处理它们呢？如果光凭人力，又该如何快速过滤多达数十万张的由自然因素触发的（如风吹过后摇曳的草），而并无动物存在的无效照片呢？

若单纯用人力来工作，处理所有这些照片格外费时费力。在谷歌的野生动物观察平台上线之前，十几年来，生物学家们在收集有效数据方面都遭遇了莫大的挑战。

用AI系统照亮自然界

有了野生动物观察平台，生物学家们可以将已收集到的图像上传到谷歌云上，并在编辑图像时构建谷歌的物种识别AI模型，并与其他在线用户合作在地图上可视化野生动物，从而实现远程观察动物的健康状况的图景。它是世界上最大和且最多样化的公共动态照片数据库，允许人们探索数以百万计的野生动物动态图像，并按物种、国家和拍摄年份来查询图像。

一般而言，一个人每小时只能标记300到1000张图像。但在谷歌人工智能系统的帮助下，野生动物观察平台可以将图像分类速度提高3000倍，达到每小时分析360万张照片的高效率。在平台的开发阶段，为了实现这一目标，研究团队构建了一个AI模型，训练其使用谷歌的开源系统TensorFlow框架对图像中的物种进行自动分类。

不仅如此，TensorFlow的机器学习系统还能识别鸟鸣声，并监测不同鸟儿的身体状况和活动。在监测时，系统将记录的音频切成数分钟的片段，然后将文件转换成声谱图。根据节奏，声谱图被一一切割，每个声谱图之间的间隔不足一秒，再由AI神经网络分别对其进行分析处理。通过这样的数据处理过程，系统能快速识别出在该时间段内出现了哪种鸟的叫声，并在汇编声谱后，生成鸟儿的活动记录。

TensorFlow已能够处理不同鸟儿的声谱图来识别它们的声音

尽管物种识别对AI来说是一项具有挑战性的任务，但在谷歌的AI模型所训练过的614个物种中，美洲虎、白唇山雀和非洲象等物种能被系统正确识别的概率已在80%到98.6%的区间内。保险起见，没有绝对的正确识别把握的图像会被系统自动删除，这保证了生物学家在平台上查询到的图像都是有效照片。

有了这些数据，保护区的管理者以及反偷猎项目的组织者可以实时线上评估特定物种的健康状况，地方政府可以利用这些信息为决策提供数据支持，并制定相应的保护措施。

AI分类工具帮助研究人员对614个物种进行分类

得益于先进技术、数据共享和科学分析的有效结合，如今，我们有机会扭转物种数量持续减少的恶性趋势。

虽然我们才刚刚开始在野生动物观测方面应用机器学习技术，但也已小有成就。从用户们的反馈来看，用AI助手来给照片分类，并由生物学家进行观测的解决方案，是可以帮助我们保护大自然和生态系统的，如此一来，我们的后代也有可能与众多被合理保护着的野生动物和谐共处。

纪录片《森林里的眼睛：使用运动相机和人工智能拯救哥伦比亚的野生动物》更为详细地介绍了野生动物观察平台。这部纪录片主要讲述了一个摄影师的故事，他在野生动物观察平台上记录了亚马逊地区卡诺克里斯泰利斯保护区的动物的数据，这些动物也因为他的参与而获得了更好的保护。