ZSL使用谷歌云和机器学习，以保护偷猎者濒临灭绝的物种

伦敦的动物学会（ZSL）透露了与谷歌云的持续伙伴关系的详细信息，这是利用机器学习和人工智能工具支持保护濒危动物物种的努力。

在过去的三年中，国际保护慈善机构一直在与谷歌云团队合作，共同构建定制机器学习模式，以帮助识别和跟踪全世界的濒危物种。

然而，它的工作的下一阶段已经看到该货币对使用声学传感器来记录枪声噪音，并将其与云巨头的数据仓库和机器学习工具相结合，以分析威胁偷猎者在集合区域中的濒危物种。

根据全球自然基金（WWF）的估计，野生动物偷猎者每年为参与者产生约20亿美元，并与全球濒危物种群体的抽取相关联。

为了解决这个问题，ZSL于2018年开始工作，在中非喀麦隆的自然保护区部署69个声学录音传感器，收集和分析音频数据以规格，这在监测该领域的非法狩猎活动时如何有用。

该实验导致收集的巨大倾倒数据，组织与谷歌合作，找到了分类的有效方式，以识别和分析录制期间发生的枪声的任何情况。

“在一个月的过程中，ZSL的声学设备捕获了267天的连续音频总共350GB，”众所周知，在谷歌邮政的广告职位。“即使是一个月的数据数据也是为了人类倾听和分析的人来说太劳动。”

为了解决此问题，ZSL部署了一个培训的开源，名为Yamnet的机器学习型号，该模型最初在谷歌内部设计，并培训了数百万youtube视频。

“yamnet用于识别ZSL的数据集中的声音事件，存储在Google Cloud Storage中。初步分类350GB的数据少于15分钟才能完成并确定1,746个实例，具有高度令人信心的枪声，“Mahmood说。

收集的数据是使用Google的完全管理的数据仓库工具BigQuery组织的，其中记录了用于记录疑似枪门的设备的详细信息，以及其位置和时间。

“这允许ZSL快速查询并专注于具有最高概率的音频文件，以便从数千小时的录音中包含枪声，以进行进一步的分析，”Mahmood说。

从这里，任何包含疑似枪声噪声所需的音频剪辑都需要手动倾听并视觉检查为谱图，以确认为枪声。

通过交叉引用此数据并利用BigQuery的地理空间能力和机器学习建模技术，这使得ZSL团队可以针对额外执法监测来确定可能需要对偷猎活动迹象的额外行动监测。

“在这个短暂的一个月的研究中，只涵盖了一部分的储备，研究团队能够为人类威胁做出新的洞察的物种，”Mahmood说。“过去的数据表明枪声在夜间更有可能发生以逃避游侠检测，但仅使用生态声学，ZSL提供了在白天发生的非法狩猎的证据。”

展望未来，ZSL表示计划使用从这项工作中收集的调查结果，以便在其监测中开发关于疑似偷猎活动的实时警报。

“在巨大的压力下，技术和特定机器学习下的动物群体具有巨大的潜力，使ZSL等保护群体在反对非法野生动物贸易的战斗中更有效地部署他们的资源，”玛哈迈德结束。