瑞士AI新技术：熊脸识别系统

人工智能能够实现人脸识别功能，近期瑞士成功研发出一款专门用于"熊脸识别"的人工智能模型，可在阿拉斯加荒原中追踪棕熊的活动轨迹，为野生动物科研与生态保护工作提供全新技术手段。

在阿拉斯加辨别棕熊、在阿尔卑斯山区监测鹿群——这套源自瑞士研发的人工智能技术，正在为物种保护开辟全新视角。尽管如此，这些智能系统仍然需要人类专家的支持：那些将毕生精力投入到自然研究中的科研工作者们。

在偏僻的阿拉斯加荒原地带、缺乏电力与供水设施的环境中，贝丝·罗森伯格(Beth Rosenberg)已经整整生活了二十年，始终专注于观察棕熊。这位阿拉斯加太平洋大学的生物学家和生态学家，如今仅凭头部和面部的轮廓特征，以及细微的疤痕或特定的行为模式，就能准确识别不同的熊个体。

“某些熊习惯采用固定的方式捕鱼；有些则特别喜欢与同伴嬉戏。只要观察时间足够长，每只熊的独特之处很快就能被发现，”罗森伯格表示。

现在，她将这些专业知识传授给一个人工智能模型。她与瑞士洛桑联邦理工学院的研究人员携手合作，成功训练出一套能够识别单只棕熊的人工智能系统。

这套系统的训练依托于罗森伯格多年积累的丰富经验，以及她在六年间于麦克尼尔河拍摄的大量照片。每年都会有数百头棕熊汇聚于此，捕食逆流而上的三文鱼。

研究这些大型捕食动物，对于掌握它们所在生态系统的整体状况、以及了解物种如何应对气候变暖，具有重要意义。然而在偏远地区采用非侵入式方法进行研究，一直是巨大挑战，而这恰恰是人工智能可以发挥关键作用的领域。

“人工智能为我们更深入地理解野生动物和生态系统打开了大门，对自然保护与栖息地管理具有重要价值，”罗森伯格说道。

凭借口鼻特征识别棕熊

这套与洛桑联邦理工学院联合开发的人工智能模型，能够依据头部形状、侧面轮廓等身体特征，精确识别麦克尼尔河沿岸的棕熊个体。

它可以将同一只熊在不同时间、不同地点拍摄的照片进行关联，从而在时间与空间维度上追踪这只熊的活动路线。

这个模型甚至能够识别出此前从未"见过"的熊。罗森伯格指出，这是前所未有的突破。

通过对海量影像数据进行深度分析，人工智能还能帮助研究人员识别反复出现的情景，例如棕熊在何处觅食、休息或活动，进而更加系统地研究单个熊的行为特征。

“这让我们能够更好地理解棕熊及其种群的动态变化，并对众多重要的生态学问题给出解答，”罗森伯格说道。

一只熊正在阿拉斯加的麦克尼尔河中捕鱼。Beth Rosenberg

不过，达到这一水平并非易事。因为与斑马或豹子不同，棕熊并没有显著的皮毛花纹。

这对于计算机视觉系统而言尤其困难。这类人工智能技术需要模拟人类视觉，对图像和视频进行解析处理。

再加上棕熊的外貌在一年中会发生巨大变化：冬眠前体重可能增加一百多公斤，夏冬两季还会完全更换毛发。

“这些变化足以让经验最丰富的观察者感到困惑，”罗森伯格说道。

为了训练这个人工智能系统，她手工筛选整理了近百只棕熊的7.3万张照片，这些照片涵盖了不同天气、不同时段、不同角度的拍摄内容。

研究团队重点关注熊的头部区域，寻找那些随时间推移相对稳定的特征，例如口鼻的形状、眉弓结构、耳朵位置以及整体轮廓。

“人工智能非常擅长识别重复出现的模式，”罗森伯格表示：“但如果这种动物缺乏明显的区分特征，难度就会大幅增加。”

数据集的准备工作耗时数年。2018年，罗森伯格联系了洛桑联邦理工学院脑心智研究所的助理教授亚历山大·马蒂斯(Alexander Mathis)，提出了合作意向。

“整个新冠疫情期间我们俩几乎都坐在电脑前，持续进行编程工作，”她回忆道。

在她看来，花费八年时间建立的数据集恰好能够让模型学会识别单只个体熊，“这也从一个侧面展现了人脑的复杂性，”她补充道。

接下来，这套系统将进行更大范围的测试，涵盖其他地区；以及模型此前从未接触过的动物种类。

从阿拉斯加森林到瑞士阿尔卑斯山

罗森伯格认为，这一人工智能模型同样可能应用于其他口鼻特征鲜明的物种，例如狼和鹿——这些动物在瑞士阿尔卑斯山区也有分布。不过，将模型从一种环境迁移到另一种环境，本身就是一大挑战。

“在阿拉斯加训练的模型，很难期望它在瑞士有同样出色的表现，”洛桑联邦理工学院环境计算与地球观测实验室负责人德维斯·图亚(Devis Tuia)指出。

图亚的团队已经研发出能够识别高山野生动物、并分析其行为的人工智能模型，所使用的数据来自自动相机拍摄的图片和视频。

但这项工作同样离不开大量人工操作，例如为数千张图片逐帧进行标注，并反复调整模型参数。

“人工智能并非魔法，”图亚表示：“模型的表现取决于训练数据的质量，而这又取决于人类投入了多少时间和精力。”

改善人与野生动物的共处方式

尽管面临诸多困难，图亚依然认为这项技术蕴含着巨大潜力。人工智能系统可以在极短时间内自动分析数百万张图片和视频，帮助生物学家和野生动物管理人员更好地理解生态系统的运作机制、以及如何发生变化，从而为自然保护政策提供更加科学的决策依据。

这些发现还有助于改善人与野生动物的共存方式。“例如，如果我们更清楚动物的行为模式，就能更安全、更合理地规划徒步路线，”图亚说道。

瑞士经常围绕狼的管理问题——尤其是狼袭击家畜事件进行激烈争论。因此，这类工具就显得尤为重要。

未来，这些模型还可能通过公民科学项目在更大范围内应用。普通民众可以将自己的观察记录上传到像"iNaturalist"这样的平台上。

“我们正在逐步构建一个全球数据库，”图亚说道。

罗森伯格同样看好这个模型。今年夏天，她将和同事推出一个平台，收集世界各地人们拍摄的棕熊照片。

“我们可以利用这些照片绘制地图，了解动物在更大范围内的活动状况，”她表示：“在不打扰它们生存空间的前提下，进行相关研究具有很大可行性。”