李杉 编译整理
量子位 出品 | 公众号 QbitAI
人工智能不仅用在了我们日常所遇到的商品推荐、美颜换脸App里，还出现在了一些你可能意想不到的地方，比如说——
保护生态。
海洋生态追踪器就用上了机器学习技术。Global Fishing Watch周五发布博文宣布，他们增加了两个新的数据层来提升过度捕捞的“透明度”和“意识”。这个平台由谷歌、Skytruth和Oceana共同创办，目的是追踪世界各地的渔业活动。
其中一个新的数据层用来追踪转运，也就是一艘渔船在海洋上将其捕捞的货物卸到另外一艘冷藏船上的行为。通常来说，这既包含非法捕捞的鱼类，也包含合法海鲜，而且往往发生在公海，导致监管者很难追踪。
利用12个类别的30万艘船只的数据库，Global Fishing Watch便可训练机器学习算法判断一艘渔船何时停靠在一艘冷藏船旁边，从而判断转运发生的概率。它会自动在地图上标记这些点，突出显示需要进一步调查的热点地区。
Global Fishing watch的研究显示，非法、未申报且未监管的捕捞数量每年涉及的渔业产值约为235亿美元，也就是说，全球每捕捞5条鱼，就有1条属于这一类。
有些渔船没有配备名为自动识别系统（AIS）的GPS设备，这也给监管者带来了挑战。对此，Global Fishing Watch采用了一种新颖的解决方案：从太空监控亮灯的船只。
使用美国国家海洋和大气治理局（NOAA）的气象卫星，算法便可探测各种船只，既包括“有简单灯光的小木船”，也包括“灯光强度类似体育场的大型工业化船只”，使之总共可以额外追踪1万至2万艘船只。
Global Fishing Watch成立于2016年，他们几乎可以实时显示全球的渔船动向（较当前时间延迟72小时），然后推断出渔船捕鱼的地点、捕鱼类型甚至发动机尺寸。在推出这两个新的过滤器之前，该系统的神经网络就可以识别超过7万艘商业船只。
渔业并不是唯一一个借助人工智能提升追踪效果的领域。
在《美国科学院院刊》本周接受的一篇论文中，科学家详细阐述了一套识别、描述和计算塞伦盖蒂平原野生动物数量的系统，准确率高达96.6%。2016年11月，昆士兰大学的科学家也使用谷歌TensorFlow机器学习框架训练了一套算法，可以自动探测海洋图片中的海牛。
“
