攜手保護野生熊群，合力踐行 AI 向善

作者：Arm 高級首席工程師 Ed Miller

人工智能 (AI) 應用正以前所未見的速度持續(xù)增長。有觀察家認為 AI 可以解決部分當前人類所面臨的嚴峻挑戰(zhàn)。然而，現在卻很少有開發(fā)者知道如何將 AI 應用在可持續(xù)發(fā)展上。

為了彌合技術差距并支持可持續(xù)發(fā)展目標，Arm 與 FruitPunch AI 共同贊助了“AI for Bears 挑戰(zhàn)”。FruitPunch AI 教導大家如何應用 AI 來解決聯合國 17 項可持續(xù)發(fā)展目標中的實際挑戰(zhàn)。由來自全球各地的學員與專家組成 15 到 50 名工程師的團隊，在十周內著手解決相關方面臨的數據問題。招募完成后，團隊成員將參加一系列專業(yè)培訓課程，包括高級研習課程、研究、實驗、實作與成果展示。

為何會選擇熊？

我除了擔任 Arm 軟件工程師之外，也在由我共同創(chuàng)立的非營利組織 BearID 項目中擔任志愿者。我們?yōu)橄鄼C陷阱數據開發(fā) AI 應用，以非侵入性的方式監(jiān)測熊與其它野生動物。熊的重要性在于它們被視為“傘護種”，它們分布范圍廣闊，保護它們的同時，也有助于保護與它們共享棲息地的許多物種。它們面臨著從棲息地流失到氣候變遷等諸多保護問題，BearID 項目的目標是在多個保護區(qū)解決聯合國可持續(xù)發(fā)展目標中的第 15 項陸地生態(tài)系統(tǒng)問題。

對于 BearID 項目的保護科學家 Melanie Clapham 博士等研究人員來說，其面臨的主要挑戰(zhàn)之一是處理大量的影像與視頻數據。相機陷阱網絡雖能以有效、不打擾熊類活動的方式進行監(jiān)測，卻會致使數千小時的人工分析。而且因為地點偏遠、數據搜集與分析過程繁復，往往會導致數月、甚至數年都難以取得任何有意義的成果。盡管 BearID 項目中的 AI 應用有助于加速分析，但近乎實時的解決方案將能夠提供更切實可行的數據。例如，與我們共同組織挑戰(zhàn)活動的非營利組織 Hack the Planet 正著手研發(fā)一套熊只的嚇阻系統(tǒng)，以減少在羅馬尼亞發(fā)生的人熊沖突。為了實現此目標，我們需要邊緣側 AI。

AI for Bears 挑戰(zhàn)

這正是 Arm、FruitPunch AI 與 AI for Bears 挑戰(zhàn)活動可發(fā)揮作用之處。通過 Hack the Planet 與 BearID 項目搜集到的數據集，此挑戰(zhàn)活動主要有兩大目標：

為熊只嚇阻系統(tǒng)打造一個高效率的分類模型

在“智能相機”設備上打造模型以偵測并識別熊只

共計 19 位 AI for Good 工程師分為下列四組，在超過十周時間，工作了 1,500 個小時以上：

熊只分類

熊臉偵測與區(qū)隔

熊只識別

邊緣側機器學習 (ML) 管線

影響

除了 AI for Bears 挑戰(zhàn)活動的技術結果，我更想聚焦在有意義的后續(xù)影響上。如果你對挑戰(zhàn)活動的成果感興趣，可以閱讀《AI 對熊類生態(tài)保護的必要性》這篇文章 [1] ，它總結了四組團隊的最終報告。本文，我將聚焦在學習心得與影響上。

學習心得

這次挑戰(zhàn)讓 19 位參與者參與了為期十周的活動，深入探索自然保護、人類與野生動物的沖突、AI 開發(fā)流程與團隊合作。熊只分類小組的 Davide Coppola 表示： “這次活動中一個重要學習是團隊合作讓夢想成真。每個人都有不同類型的專業(yè)，當眾人為了共同目標合作，就可以在極短時間內成就非凡成果?！?/p>

挑戰(zhàn)活動過程中，各團隊導入多項新工具。例如，邊緣設備 ML 管線團隊可以訪問 Arm 虛擬硬件 (Arm Virtual Hardware)。該團隊的 Gaspard Bos 指出， 虛擬的 NXP i.MX93 開發(fā)平臺讓我們得以在虛擬的 i.MX93 設備上率先測試熊只檢測與識別流程的部分功能，并更熟悉這個平臺 。由于團隊利用虛擬方式，雖然僅有一位成員能直接訪問實體設備，Arm 虛擬硬件讓這支團隊在沒有開發(fā)板可用的情況下，也能持續(xù)開發(fā)應用。

挑戰(zhàn)活動進行期間，有人曾提出希望 BearID 項目分享更多數據。Clapham 博士與加拿大英屬哥倫比亞的第一民族 (First Nations) 組織密切合作。他們一起收集由該組織代表的七位原住民管理的陸地數據。BearID 項目只會在嚴格守則的管理下共享這些數據。Gaspard 從 AI 倫理角度總結： “我很欣賞研究人員對這片土地原始守護者的尊重，以及他們在熊只管理方面的參與。他們的參與和權威性，對數據分享的實踐有深遠影響。一開始這可能會讓開發(fā)者感到復雜，但也會迫使我們重新思考我們正在處理的數據，以及如何以更專業(yè)的態(tài)度對待這些數據?！?/p>

熊只偵測與區(qū)隔及熊只識別團隊的 Arthur Caillau，原本的專業(yè)就是 AI 方向，他對熊臉偵測與區(qū)隔以及熊只識別做出了貢獻。他表示： “項目期間我為了強化熊臉的辨識，重溫了我的度量學習知識。利用科技與工程專業(yè)來應對保護工作的挑戰(zhàn)，讓我獲益良多。”

對野生動物的影響

對保護野生動物（特別是熊群）產生正向的影響是此次活動的關鍵目標。之前 FruitPunch AI 也曾在這個領域做出貢獻。FruitPunch AI 首席技術官 Sako Arts 表示： “這次合作讓我們得以運用我們的社區(qū)以及之前動物重新識別挑戰(zhàn)活動取得的經驗，幫助解決熊群問題，并為這些珍貴的動物保護工作貢獻心力，讓我們感到相當欣喜?！?/p>

FruitPunch AI 在針對挑戰(zhàn)活動成果的文章中提到，部分 AI 模型已經能夠良好運作。盡管并非所有的模型都已針對在低功耗邊緣設備上運行進行了優(yōu)化，Hack the Planet 已計劃實地測試其中一個熊只分類器模型。這將是他們在羅馬尼亞進行的第二代熊只嚇阻系統(tǒng)的一部分。

對于實現在設備上提供近乎實時的監(jiān)控解決方案，這次的挑戰(zhàn)活動可以說跨出了一步。邊緣設備 ML 管線團隊利用 NXP i.MX93 開發(fā)平臺，展示了分類、偵測與區(qū)隔。通過使用 Arm Ethos-U65 NPU，團隊展現了比基于 CPU 的推理快 5 到 19 倍的執(zhí)行速度，且大幅降低了每次推理的功耗。下一步則是整合這些模型，讓它們成為軟件定義相機藍圖中智能野生動物相機的參考用例，也就是開源且云原生的參考棧。

除了技術上的影響，還有態(tài)度上的改變。例如，當被問及這項挑戰(zhàn)活動如何改變參與者對野生動物的看法時，Davide 回答： “人類與熊只沖突的問題比我想像的嚴重，而相對簡單的解決方案其實就能為對立的雙方帶來正面影響。” 其它參與者則指出他們現在更能理解熊在我們所處的世界中所扮演的角色，以及我們的決定將會如何影響到它們。

對個人的影響

一些參與者不僅學到了技術、對野生動物的理解和獲得個人成就感，他們還找到了自己的使命。Davide 表示， 這項挑戰(zhàn)活動讓他有機會在日常工作以外，利用專業(yè)技能為公益事業(yè)貢獻力量。他希望這個項目，或其它類似的項目，最終可以讓他專職投入于 AI for Good。 Arthur 則已經朝這個方向努力，他表示： “這項挑戰(zhàn)活動堅定了我投身保護工作的決心。” 在挑戰(zhàn)活動期間，Gaspard 開始擔任多家企業(yè)與銀行的 AI 顧問。他補充說： “盡管這是我做過最具商業(yè)色彩的工作，我仍然受其影響力驅動，該項目能促使我鼓舞同事與客戶共同為更大的公益目標做出貢獻?！?/p>

不只參加挑戰(zhàn)活動的開發(fā)團隊有所收獲。恩智浦半導體 (NXP) 系統(tǒng)創(chuàng)新部門主管 Brian de Bart 表示： “AI for Bears 項目是我們?yōu)楣媸聵I(yè)貢獻微處理器與 AI 技術的絕佳機會。NXP 的工程師得以和一群全心投入的 AI 愛好者們合作，共同開發(fā)野外熊只識別解決方案。團隊通過在 i.MX93 上部署開發(fā)完成的 AI 模型，充分展現了 i.MX93 解決方案在邊緣側設備上實現熊只實時分類與識別的有效性?！?/p>

結論

贊助 AI for Bears 挑戰(zhàn)活動是 Arm 與其合作伙伴彌合 AI 開發(fā)者之間技術差距，同時介紹 Arm 技術，并推動可持續(xù)發(fā)展目標的絕佳方式。參與者不僅學習到最新的 AI 技能，并發(fā)展出對自然界更深刻的認識。我們可以攜手為人們與地球推動正向改變，實現可持續(xù)發(fā)展，并推動聯合國全球可持續(xù)發(fā)展目標的進程。