IBM 和 WWF 合作利用人工智能拯救大象

中非共和国西南部 Dzanga Sangha 保护区的森林空地 Dzanga Bai 中的一头森林象妈妈和小象。（图片：世界自然基金会的卡洛斯·德鲁斯）

由于象牙偷猎和栖息地丧失，非洲森林象和非洲稀树草原象的数量经历了数十年的下降。濒危和受威胁动物名录。非洲森林象的数量在 31 年间下降了 86% 以上。国际自然保护联盟，它运行列表。

监测大象有助于自然资源保护者制定更有效的保护策略，有助于这些哺乳动物的长期生存。但这是一个严峻的挑战，尤其是在中非刚果盆地，因为该盆地是一个茂密的热带雨林生态系统，与非洲稀树草原不同，非洲稀树草原是一个拥有开放空间的草原生态系统。 

“飞越非洲稀树草原森林的无人机可以识别这些动物，”德国世界自然基金会 (WWF) 非洲森林象协调员托马斯·布劳尔 (Thomas Breuer) 说。“但是，在刚果的茂密树冠上空飞行的无人机将无法看穿树冠，因此我们必须估计动物的数量。”

由于无法准确监测大象数量，自然资源保护主义者不得不依赖间接方法。 

“我们通过计算一个地区的大象粪便堆来估算数字，了解大象每天产生多少堆粪便以及这些粪便堆可见的时间，”布洛伊尔说。– 我们还使用相机陷阱，因为它们可以帮助我们创建动物的个人档案。当我们在一个地点发现一头大象，然后在 50 公里外再次发现时，我们可以深入了解它们的运动模式，从而加深我们对这些动物的了解。”

为了更有效地监控大象，IBM 和 WWF 宣布了一项计划，利用 IBM Maximo Visual Inspection 人工智能 (AI) 技术来识别和监控非洲森林大象个体。该伙伴关系满足了追踪世界上最濒危物种之一的精确性和效率的需求。

该工具使用来自相机陷阱图像的标记数据集来训练人工智能通过大象独特的身体特征（例如象牙形状或身体上的标记）来识别大象。最初的试点以中非共和国的一个关键地区为中心，多年来陷阱相机一直在该地区捕捉到大象的照片。

– 我们使用的数据集是独一无二的。许多大象（与刚果盆地的大象类似）都会参观中非共和国 [Dzanga-Sangha] 的这片著名的天然森林空地，我们在该地区周围设置了摄像机陷阱来监视已知的大象。IBM 环境智能套件首席产品经理 Aditya Khosla 说道。– 尽管这些大象很难识别，但我们可以根据时间范围和可能的活动来分配它们的身份。这个过程丰富了我们的学习数据。该数据集的独特性来自于对我们已知的大象的追踪。如果没有这个基础，我们可能只能识别出最独特的大象，而留下许多未分类的大象。” 

这些数据集将有助于完善人工智能模型，该模型将扩展到覆盖刚果盆地的森林。

“该模型不仅需要了解不同类型的大象，还需要识别独特的个体大象，”科斯拉说。– 我们对数据集进行标记以跟踪特定的大象，以便我们准确地知道它们是谁。当我们收到新的相机陷阱图像时，系统可以轻松识别以前见过的大象。这也有助于我们识别以前未知的大象。” 

通过整合在一天中不同时间和不同环境条件下捕获的图像，该系统还提高了在不同场景下检测大象的能力。

非洲森林象在维持生态系统健康方面发挥着至关重要的作用，因此赢得了“非洲森林象”的绰号。气候英雄大象每天消耗超过 400 磅的食物，它们的觅食习惯重塑了森林。当它们移动时，它们会破坏碳密度较低的较小树木，从而降低植被密度。这为木材更密、树冠更宽的较大树木创造了空间，从而减少了植被密度。除了砍伐森林之外，大象还可以通过粪便传播碳密集树木的种子，促进森林健康生长。 研究表明一头森林象可以将森林的碳捕获能力提高近 250 英亩，相当于每年 2,047 辆汽车的排放量。 

科斯拉说：“这项技术不仅有助于追踪大象个体，还可以提供关键数据来支持更广泛的生态系统恢复。”通过量化大象对碳储存的贡献，我们可以更好地评估和保护这些重要动物”。

人工智能驱动的解决方案还将简化传统的手动流程。 

“我们的团队成员将不再需要在危险的沼泽条件下花费数周时间，面对蛇和其他危险的威胁来收集这些信息，”世界自然基金会的布劳尔说。“与许多其他人一起亲身经历过这一点，我可以说找到手动计数的替代方案已经是一个巨大的进步。”

放置在已知大象栖息地的相机陷阱连续捕捉图像。这些图像被输入人工智能模型，使自然资源保护主义者能够近乎实时地监测个体大象的活动和种群动态。

“考虑一下，通过这种方法，我们将能够识别特定区域 70% 的大象，”Breuer 说。– 与我们当前的间接计数方法相比，这 30% 的误差幅度是最小的。 –

虽然近期目标是监测大象种群，但该技术的更广泛影响是深远的。通过将这些数据与 IBM 的环境智能套件（一套专为环境数据处理人员设计的工具，以提高气候适应能力和业务效率）集成，该项目旨在评估大象活动对森林生长的影响。这可以更清楚地了解大自然如何促进碳捕获和更广泛的生态系统服务。

“我相信，将该人工智能工具与我们在直接观察、现场工作和手动识别方面的专业知识相结合将使系统更加准确，”布劳尔说。– 我们不仅能够衡量保护工作的影响，还能够跟踪个体的活动，特别是较大的雄性大象在不同地点之间的活动。这有助于我们识别重要的野生动物走廊。对保护的影响是巨大的。我们将能够以前所未有的精度确定特定地点的大象数量。” 

布劳尔进一步展望了未来，这项技术可以改变全球的保护策略。 

“我们计划与 IBM 进行为期两年的合作来开发和完善这项技术，”他说。“我相信这种伙伴关系确实具有开创性，并将彻底改变刚果盆地的保护工作。”

对于 WWF 和 IBM 来说，成功将通过大象的数量和所产生的见解的深度来衡量。该项目第一阶段的目标是识别两个试点森林中的大象个体，并计划在未来两年内扩大到区域范围。

“最终，我们希望将人工智能见解与碳信用框架相结合，确保保护大象的经济价值得到认可和支持，”科斯拉说。