1975年斯皮尔伯格拍出《大白鲨》之后，全世界去海边度假的人都多了一层心理阴影。片子当然是虚构的，现实中也没有复仇型大白鲨专盯着海滩社区咬。说句公道话，鲨鱼攻击人类的概率极低，但架不住这些大家伙牙口太好——哪怕只是好奇咬一口，也够致命或者终身留疤。于是每隔一段时间，就会有人想出新办法来减少人和鲨鱼的意外碰面。

最近的一个思路是AI无人机。有个叫SharkEye的研究项目，专门用人工智能在航拍画面里找鲨鱼。项目团队采集的数据不光用来研究鲨鱼习性，更直接的作用是：在有人活动的水域提前发现鲨鱼，把位置通报出去。过去冲浪的人得瞪大眼睛找水面上那道背鳍剪影，现在一架无人机悬在头顶几百米，远远就能锁定目标——这种体验变化，本质上是从“人眼搜索”切换到了“算法搜索”。

打开网易新闻 查看精彩图片

SharkEye的工作流程很直接：无人机按固定路线飞，拍摄海面影像，然后用机器学习模型识别加州沿岸的大白鲨和其他大型鲨鱼种类。识别结果会实时同步给公共安全部门，由他们决定是否疏散水域。这个模式有意思的地方在于，它同时解决了两个需求：科学家拿到鲨鱼活动的连续数据，海滩管理者拿到可行动的预警信息。一套设备，两拨人受益，推广成本天然就比单一功能方案低。

类似的项目不止SharkEye一个。澳大利亚悉尼科技大学的研究团队搞了一套叫SharkSpotter的系统，运营第一年就实打实救了两个人。这套系统的识别准确率达到90%，关键是能区分鲨鱼和其他海洋生物——比如海豚就不会触发警报。此外它还能识别船只、冲浪者、游泳的人，以及水面上各种漂浮物。无人机采集的数据会直播到控制站，公众可以直接查看画面，然后自行判断是否需要撤离水域。

90%这个准确率值得展开说一下。在海面这种光照变化剧烈、波浪反光干扰严重的场景里，靠视觉识别做到九成准确率并不是一件理所当然的事。SharkSpotter的团队显然在模型训练阶段花了大量精力做物种区分，否则误报率一高，这套系统很快就会失去公信力——没人愿意为一只海豚或者漂浮的木板就从水里跑上来。事实上，任何面向公共安全的预警系统，最大的敌人不是漏报，而是“狼来了”效应。SharkSpotter用实际数据证明，AI能扛住这个门槛。

当然，目前的方案还不是全自动的。截至相关报道发布时，两个系统都需要人工操作员介入，无人机飞行的全程有人值守。未来可能会出现成群的无人机完全接管这个流程，但那大概还需要几年时间。目前用AI无人机识别鲨鱼威胁的技术路线和方法论，只能说刚刚开始，还有大量可优化的空间——比如多机协同覆盖更大海域、低延迟的视频传输链路、以及更精细的物种行为预测模型。这些方向每一项背后，都对应着一个正在快速迭代的硬件或算法团队。

从产品角度回头看，鲨鱼攻击这件事的公共安全需求一直存在，但传统解决方案效率极低：要么派直升机巡逻成本太高，要么靠瞭望塔目视范围有限，要么干脆竖个警示牌“有鲨鱼出没、后果自负”。无人机+AI的组合，相当于把“巡逻”和“识别”两个环节同时自动化了，单位面积的监控成本大幅下降。这也是为什么SharkEye和SharkSpotter这类项目虽然还在早期，但扩展逻辑非常清晰——只要无人机硬件成本继续走低、模型识别准确率继续提升，这套模式可以复制到任何一个有类似需求的海岸线。鲨鱼不会消失，但人和鲨鱼的意外相遇，正被算法逐步压缩到可控范围之内。