非营利组织使用NVIDIA Jetson平台和Triton推理服务器,实时检测穿山甲、犀牛等50多个物种所面临的威胁。
动图中所示的是首次使用人工智能(AI)对全球最濒危的物种之一——穿山甲进行实时检测的情形。
总部位于英国的非营利组织Conservation AI采用NVIDIA技术让实时监测成为现实。AI可以帮助实时追踪最稀有、隐蔽的物种,使动物保护者能够及时保护它们免受偷猎者、火灾等威胁。
该组织四年前由利物浦约翰摩尔大学的研究人员Paul Fergus、Carl Chalmers、Serge Wich和Steven Longmore创立。
在过去的一年半中,Conservation AI已经在全球各地部署了70多个AI摄像头。这些摄像头帮助动物保护者通过使用迁移学习训练的深度学习模型实时检测威胁,保护生物多样性。
Chalmers目前在利物浦约翰摩尔大学教授深度学习和应用AI。他表示:“我们这么做的原因很简单,如果不保护生物多样性,人类也将从这个星球上消失。而没有AI,我们就永远无法实现保护濒危物种的目标。”
Conservation AI解决方案使用NVIDIA Jetson边缘AI平台和NVIDIA Triton推理服务器构建,可在短短四秒内完成对录像的分析、识别目标物种,并通过电子邮件向动物保护者和其他用户发出潜在威胁警报。
它还可以利用一个包含图像和其他元数据的巨大数据库,快速模拟生物多样性和栖息地健康的趋势,这项分析工作原本需要花费数年时间才能完成。然而现在通过该平台,动物保护者能够实时识别这些趋势和物种活动情况。
Conservation AI与全球150家组织开展合作,包括保护协会、野生动物园、狩猎保护区等。到目前为止,该平台已处理超过200万张图片,其中约一半是在过去三个月处理的。
时间就是生命
一直以来,我们都是在使用相机陷阱(在野外放置配备红外传感器的相机网络)检测生物多样性所面临的威胁。但由于动物和它们所在环境的图像常常会发生很大的变化,因此相机陷阱会产生难以管理的数据。
利物浦约翰摩尔大学机器学习教授Fergus表示:“常规的相机陷阱研究可能需要三年时间进行分析,等到分析结果出来再对这些物种所面临的威胁采取任何措施,恐怕为时已晚。Conservation AI可以及时分析这一数量级的数据,并将结果发送给动物保护团队,这样就可以实时进行干预,而这一切都是NVIDIA技术赋能实现的。”
许多濒危物种居住在人类通信系统范围之外的偏远地区。于是,该团队使用NVIDIA Jetson AGX Xavier模块分析无人机在此类地区拍摄的录像。这些录像被传输到一个智能控制器,该控制器可以计算物种数量,或者在检测到目标物种时提醒动物保护者。
Chalmers表示,与该组织以前的方法相比,配备Triton推理服务器的Jetson模块所提供的节能型边缘AI,将深度学习推理的速度提高了4倍。
他表示:“我们选择Triton是因为该框架的弹性及其对多种模型的支持。通过在NVIDIA加速计算堆栈上训练模型,我们可以非常迅速地对模型作出很大的优化改进。”
Conservation AI使用NVIDIA RTX 8000、T4和A100 Tensor Core GPU以及NVIDIA CUDA工具套件对其深度学习模型进行训练和推理。Fergus认为NVIDIA GPU“彻底改变了存在大数据难题的应用AI和动物保护领域”。
另外,该团队将物种检测流程建立在专为视觉AI应用打造的NVIDIA DeepStream软件开发套件上,实现了现场实时视频推理。
Chalmers表示:“如果没有这项技术,一般会派直升机去观察动物,这么做的成本非常高,而且由于会排放大量二氧化碳而对环境产生不良影响。Conservation AI的技术有助于减少这一排放问题,并在为时已晚之前检测到对动物的威胁。”
追踪穿山甲、犀牛等更多动物
英国著名的动物保护协会切斯特动物园已将Conservation AI平台用于实时检测偷猎者,包括在乌干达猎杀穿山甲的人。
由于穿山甲等许多濒危物种的行动难以捉摸,因此很难获得足够的图像来训练AI模型。因此Conservation AI正在与NVIDIA一起研究使用合成数据来训练模型。
该平台还被部署在南非林波波省的一个野生动物保护区。该保护区使用AI监视那里的黑犀牛、白犀牛等野生动物。
Chalmers表示:“一磅犀牛角的价值比一磅钻石还要高。我们在这些犀牛周围建立了一个地理围栏,一旦发现有偷猎者或其他威胁,保护区的人员就可以立即进行干预。”
Fergus表示,该组织的长期目标是创建一个支持动物保护者开展各项工作的工具套件,包括通过卫星图像监测野生动物,以及使用能够分析动物叫声、森林火灾声音等音频的深度学习模型。
Chalmers表示:“生物多样性的丧失是一颗定时炸弹,而NVIDIA AI的厉害之处在于它让每一秒钟都变得有意义。如果没有NVIDIA加速计算堆栈,我们就无法做到这一点,也无法实现应对气候变化和防止生物多样性丧失的最终目标。”
主题图片由切斯特动物园提供。
好文章,需要你的鼓励
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
许多人认为一旦实现通用人工智能(AGI)和人工智能超级智能(ASI),这些高度先进的AI将能够告诉我们人生的真正意义。然而,巅峰AI可能无法明确回答这个史诗般的问题。即使AI拥有人类所有知识,也不意味着能从中找到生命意义的答案。AI可能会选择提供多种可能性而非绝对答案,以避免分裂人类社会。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。