3．偷獵者放不下手中的槍，AI只能與他正面剛

在數(shù)千平方千米的面積上，僅靠人力找到每個偷獵者根本不可能。即使是使用飛機巡邏，靠直升機或在動物行進路線上架設攝影機來偵察也不行，攝影機只能記錄單一位置的數(shù)量，直升機又太貴而且由于地面隱蔽性太強，很難在事情發(fā)生之前就實現(xiàn)對其的精準捕捉。而一些貧窮的地方，因為政府往往無暇保護動物，更是偷獵者的天堂。

一般人難以區(qū)分野生動物，植物，灌木

南加州大學工程和計算機科學教授 Milind Tambe 博士帶領小組對防偷盜進行了研究，他們稱這項技術為野生動物安全助手（Protection Assistant for Wildlife Security，PAWS）。

他們的數(shù)據(jù)來源主要參考兩種信息：過去哪里有情況以及哪個區(qū)域需要額外的保護。通過對這些數(shù)據(jù)的積累，對未來的襲擊地點做出更準確的預測，最后決定在哪些地方加強防護。

這就低成本的實現(xiàn)了利用人工智能防止捕獵，具有廣泛的使用意義。初次之外，還可以利用聲音來繪制偷獵者槍聲的所在位置的地圖，利用無人機配備紅外攝影儀巡邏等。 由于人工智能是響應式的，因此它會根據(jù)對手和它們的行為不斷改進。一方面是預測對方行為，另一方面是據(jù)此調整己方策略，隨著數(shù)據(jù)的積累越來越多，就越能實現(xiàn)在盜獵者盜獵前的精確捕捉。

AI無限好，問題也不少

從上面的這些技術的應用中，我們也可以發(fā)現(xiàn)，它依然存在不少的問題。

1．動物保護數(shù)據(jù)多是用戶上傳，質量難以保證

數(shù)據(jù)問題在人工智能與任何行業(yè)或技術結合的時候都會出現(xiàn)，但是動物保護的數(shù)據(jù)問題，針對不同的物種，會出現(xiàn)截然不同的結果。要么太多，要么太少，少有剛剛好。實際上我們都知道在機器學習中，數(shù)據(jù)并不是越多越好，機器學習會出現(xiàn)數(shù)據(jù)過擬合的情況。正確的說法是有用的數(shù)據(jù)越多越好，以一種采集鳥類的聲音的研究為例，數(shù)據(jù)多而雜，一般都是2000多小時以上的數(shù)據(jù)，其中包括其它鳥類的聲音，風聲雨聲落葉聲等等，一般難以實現(xiàn)鳥聲分離。

而在對魚類進行追蹤學習的時候，常常會出現(xiàn)數(shù)據(jù)不夠的窘境，因為數(shù)據(jù)包括海岸線寬度，水的酸堿度，水溫等不易獲取的數(shù)據(jù)。由于對動物的田野調查非常耗費時間，因此很多研究均鼓勵用戶或是志愿者上傳數(shù)據(jù)。這雖然提高了數(shù)據(jù)搜集效率，但也導致數(shù)據(jù)質量良莠不齊。

機器學習一直存在所謂的“黑箱”，一些不良的數(shù)據(jù)將會使機器向哪方面發(fā)展呢？

2．AI是一門技術，盜獵者也能研究

喜劇電影為了戲劇性，常常塑造出蠢賊的形象�，F(xiàn)實生活當然也有，但我們應該知道，偷獵者很多不僅不蠢反倒極其靈活，他們心狠手辣經(jīng)驗豐富。還有一些人，僅僅是以打獵為樂，他們有錢有閑，純粹是圖爺高興。這批人并沒有我們想象得那么好對付。

我們對AI保護動物的研究一方面是對其本身的追蹤保護，另一種是與偷獵者搏斗，而這通常是建立在偷獵者依然不借助高科技手段的基礎上，可能一些蠢賊和蠢人容易被甄別。但我們別忘了，AI是一門技術，當我們在研究AI保護動物的時候，偷獵者同樣在研究AI傷害動物。

偷獵者不僅有點聰明還有點張狂，他們也成立論壇交流偷獵心得，根據(jù)不同的方式分為若干個子欄目，尤其是交流區(qū)更將捕殺野生動物的過程進行了記錄，還附帶照片。我們怎么能保證具有這種偷獵癖好的沒有機器學習專家，未來的偷獵與反偷獵，很可能上升到人工智能與人工智能的對決。

在使用AI保護動物上，如果我們不建立切實可行的技術壁壘，很難說，偷獵者的野路子AI，會不會反而加速了動物滅絕。

結論

野生動物的保護，除了利用技術讓他們適應得更好。還可以建立一個生態(tài)圈，實現(xiàn)完整的生態(tài)鏈。利用大數(shù)據(jù)去分析，需要什么動物，什么植物，什么環(huán)境等等等，微軟就曾試圖這樣保護海洋生物，畢竟在相對密閉，相對可控的空間里，AI更能大展拳腳。同時，還可以通過對珍稀動物基因分析，克隆甚至3D打印出新的個體等。

保護動物吧！畢竟，搞不好哪一天人工智能造反了，動物還能念舊情成為我們唯一的同盟軍。

文｜雷宇