人工智能能否让渔业监测更轻松、更安全？

准确监测渔业——了解捕捞了多少以及哪些鱼种，以及在此过程中不幸被作为兼捕渔获物拖上来的生物——从来都不是一件容易的事。在世界范围内，监督渔民的工作通常由被称为“渔业观察员”的人来承担，他们会临时加入渔船船员团队进行观察和记录。这些独立的监督员负责进行科学观察并报告任何违规行为，他们的工作往往既困难又危险。骚扰和不安全的工作环境很常见，暴力事件也可能频发。在过去十年中，每年至少有一名渔业观察员在海上失踪。

换句话说，依靠船上的人类观察员来监管捕鱼活动是一种众所周知的、不完善的方式。给渔船安装摄像头来记录其渔获物，这种方法稍微简单和便宜一些，而且无疑安全得多。但即便是视频审查也既昂贵又耗时。一次捕鱼行程就可能产生数百小时的视频录像，仍然需要有人仔细查看，以识别和清点从镜头前飞速掠过的动物。

对于小规模渔民，比如加拿大西海岸的原住民社区，即使是视频监控和审查也可能成为一种负担。Ha’oom渔业社是一家代表不列颠哥伦比亚省托菲诺附近五个原住民部落的组织，其传播专员劳伦·迪恩表示，尽管监控对于管理鱼类种群至关重要，但加拿大政府的渔业监控系统是为大型、商业化、单一物种的渔民设计的。

然而，与普通的商业渔民不同，Ha’oom的渔民通常进行规模相对较小、一次性捕捞多种鱼类的作业。在加拿大政府看来，每一种目标鱼类都被视为一个独立的商业渔场，有其自身的法定监控要求。“处理五六个不同的监控系统在经济上是根本不可行的，”迪恩说。

然而，近年来，一个潜在的解决方案已经出现，旨在使渔业监控更容易获取、更高效、更安全：那就是人工智能。

随着机器学习、图像识别和其他形式的人工智能日益强大，一家位于不列颠哥伦比亚省温哥华的初创公司OnDeck AI正在开发一种计算机化的渔业监控系统，该系统可能会彻底改变Ha’oom渔民及其他人的视频审查流程。尽管该系统仍处于设计和测试阶段，但OnDeck AI希望有朝一日能够自动检测和清点视频录像中的鱼类，从而简化监控过程。这对从渔业管理和保护到原住民获取其水域和资源数据等方方面面都具有重大意义。

OnDeck AI是亚历山大·邓盖特的创意，他在不列颠哥伦比亚省的海岸长大，从小就和家人一起进行娱乐性的捕虾、捕蟹和捕鳎鱼活动。2021年，当他在不列颠哥伦比亚大学学习计算机科学和海洋生物学时，他了解到了渔业监控领域——包括独立监督员所面临的危险、有时甚至是致命的处境。他还了解到，已经收集到的渔业捕捞录像存档数量巨大，以至于完全分析所有录像几乎是不可能的。例如，在边境另一边的美国，负责协助监管加利福尼亚、俄勒冈、华盛顿、爱达荷和阿拉斯加州渔业的太平洋州海洋渔业委员会，已经积压了一年半的视频等待审查。

邓盖特联系了朋友兼不列颠哥伦比亚大学的同学塞潘德·迪亚纳特卡，他当时正在研究机器学习，这是人工智能的一个分支，专注于开发能够学会在没有明确编程的情况下分析数据的算法。基于一个名为“主对象跟踪”的人工智能概念，两人开发了一个计算机程序，能够在一个物体——在这里是鱼——在视频中移动时对其进行视觉识别。

以往使用人工智能来审核渔业捕捞录像的尝试通常会遇到两种相同的挑战。一个是普适性问题。无论是恶劣天气、光线不佳、海浪和水花溅到摄像头，还是船只本身在风暴中颠簸，海上拍摄的视频质量变化很大，这使得分析变得困难。

第二个问题是关于数据。标注训练人工智能模型所需的图像和视频，使其能从无穷无尽的录像中识别出单条鱼，更不用说识别物种了，这需要大量的时间和精力。更重要的是，邓盖特说，训练一个典型的人工智能系统来识别所有稀有物种——鉴于其生态重要性，这些物种通常是最重要的——是根本不可能的，因为没有足够的录像可供使用。例如，如果一头虎鲸意外被渔网捕获，“我们真的需要能够识别出这种情况。但地球上可能只有三张发生这种情况的照片，”邓盖特说。

OnDeck AI通过设计其系统来绕过对标记训练数据的需求，从而回避了这些问题。该系统赋予模型在任何环境下识别所见内容的能力，包括在不同天气条件下由不同类型摄像头拍摄的不同质量的录像。邓盖特将传统人工智能模型与OnDeck AI的模型之间的差异，比作记住考试答案与运用更复杂的推理来找出答案之间的区别。换句话说，就是能够根据鱼的颜色、形状和鳍的结构来识别它——即使系统以前从未见过这种鱼。

至少，这是长远目标。但目前，OnDeck AI的模型还需要更多的训练。因此，去年夏天，该公司用Ha’oom的视频录像来训练其人工智能系统。为此，Ha’oom的生物学家杰西卡·爱德华兹与人工智能一同分析了捕捞录像。如果模型未能识别视频中的某条鱼，爱德华兹就会在这条被忽略的动物周围画一个框来教导算法。爱德华兹说，目标是让这个人工智能系统能做得和人类一样好——甚至更好——但用时更少。爱德华兹表示，人工智能已经帮助她更快地完成了工作，因为它能识别出鱼何时出现在录像中，让她可以直接跳到视频的相关片段，而无需从头到尾地查看整个录像。

虽然OnDeck AI的系统仍需进一步调整，但其他地方的科学家和工程师也在试图攻克人工智能渔业观察员这一难题。例如，澳大利亚的一个团队正在开发一个人工智能系统，能够将视频录像中的鱼标记为11个不同物种之一，或标记为“未知”。通过与澳大利亚的金枪鱼和旗鱼延绳钓渔民合作，他们的系统识别正确物种的准确率约为90%。

新西兰非政府组织“太平洋鲨鱼”的政策主管布巴·库克认为，由人工智能驱动的监控可以极大地增加全球海洋处于某种监视下的范围。

目前，全球只有一小部分渔业——大约2%——由观察员监控，这意味着绝大多数的捕鱼活动，包括受保护物种的兼捕，都在没有监督的情况下发生。

尽管人类观察员在组织取样等方面仍然是必要的，但库克说，“现实是，电子监控与人工智能审查相结合，是我们获得所需观察员覆盖率的唯一途径。”

本故事最初发表于《bioGraphic》，这是一本由加州科学院支持的关于自然与再生的独立杂志。

相关文章