由华盛顿州立大学和谷歌的研究人员牵头的一项新研究发现，人工智能可以大大加快使用远程相机追踪野生动物的费时费力的活儿，将分析时间从数月甚至一年缩短至仅数天，而且得出的科学结论跟人类得出的几乎一模一样。

这项研究发表在《应用生态学杂志》上，目的是测试全自动人工智能系统能不能取代人类，处理几十万甚至上百万张相机陷阱拍到的图像。这些图像来自华盛顿州、蒙大拿州的冰川国家公园，还有危地马拉的玛雅生物圈保护区。

研究人员发现，对大多数物种来说，用人工智能识别图像建出来的模型，跟人类专家做出来的模型非常接近。据华盛顿州立大学介绍，在动物分布位置、影响它们的环境因素等关键指标上，约85%到90%的结果是一致的；稀有或不好辨认的物种，差别比较小。

该大学说，这对生态保护来说可能意义重大。处理速度更快，研究人员和野生动物管理者就能更快地从收集数据转向做决定，说不定能对美洲豹、狼、灰熊这些物种进行近乎实时的监测。

“我们不是要替代人，”这项研究的第一作者、华盛顿州立大学的野生动物生态学家丹尼尔·桑顿说。“目标是帮研究人员更快地找到答案，这样他们就能在野生动物管理和保护上做出更好的决定。”

传统上，这个活儿又慢又费人力。红外相机，就是放在森林等地方、一有动静就自动拍照的那种相机，能产生海量数据。一个项目可能拍出几十万甚至上百万张照片，都得一张张看，才能确定每张照片里出现了什么物种。

桑顿说，就算有一帮本科生助理和一个研究生帮忙核对物种识别结果，这个过程通常也需要六到七个月，有时候甚至要一年，才能开始分析。

早期的AI工具靠过滤掉空白图像（通常占60%-70%）算是帮了点忙，但还是得靠人工去翻看几万张有动物的照片。这项新研究就是想看看能不能省掉最后这一步人工操作。

研究人员用谷歌开发的一个叫SpeciesNet的通用AI模型，让图像走一套全自动流程，完全不用人看，然后把结果跟传统的、由专家标注的数据集做对比。

“关键不是AI每张图片都识别得对不对，”谷歌资深研究员丹·莫里斯说——他帮忙创建了SpeciesNet，也是这项研究的合著者之一。“而是你在乎的那些生态学结论，最后是不是基本都一样。”

对大多数物种来说，确实是这样。华盛顿州立大学表示，即使人工智能出了错，比如认错动物或者漏掉了目标，整体模型仍然很稳，因为占用模型靠的是反复观察。实际操作中，省下的时间非常可观。全自动处理现在只要几天就能完成，把原来要好几个月的流程压缩到差不多一周。

这种效率可能带来颠覆性变化，特别是对规模小、经费紧张的保护组织。它还能让研究人员扩大监测范围，不用再受数据处理能力限制。这个项目还公开了部分数据，为更广泛的“AI+保护”领域做了贡献。像SpeciesNet这类工具靠共享数据来改进，这些公开数据正好能支持它们。

莫里斯强调，这项研究走的是务实路线。团队没有开发新的人工智能算法，而是把重点放在现有工具能做到什么上。

“我们不是要发明什么新模型，”他说，“我们是在问，就目前的技术水平来说，人们能不能靠它来做他们已经在做的那些分析。”

至少对很多常见物种和标准生态模型来说，答案似乎是肯定的。

该大学也补充说，还是有一些局限。相机陷阱数据的很多其他用途仍然需要人工审核，而这篇论文只涉及可能被相机拍到的物种中的一小部分。例如，非常稀有、容易搞混的物种，对AI检测来说仍然是个难题。但这些发现表明，在某些情况下，图像处理可能不再是大规模相机陷阱研究的主要瓶颈。

“最关键的一点是，这事儿不再是卡脖子的环节了，”桑顿说。“如果我们能更快地处理数据，就能更快地应对，这对保护工作来说才是真正要紧的。”