利用基于人工智能的海龟面部识别技术推进保护工作
Using AI-based facial recognition technology to advance conservation efforts for sea turtles.
寻找改进海龟重新识别和支持整个非洲的机器学习项目的解决方案
保护我们周围的生态系统对于维护我们星球的未来和所有生物公民至关重要。幸运的是，新的人工智能（AI）系统正在全球的保护工作中取得进展，帮助解决大规模的复杂问题 – 从研究塞伦盖蒂动物群体的行为以帮助保护日益减少的生态系统，到发现偷猎者及其受伤的猎物以防止物种灭绝。
作为我们的使命的一部分，我们致力于通过我们开发的技术来造福人类，因此我们确保不同群体的人共同构建未来的AI系统，使其具备公平和公正性是很重要的。这包括扩大机器学习（ML）社区并与更广泛的观众合作解决使用AI解决重要问题。
在调查过程中，我们了解到Zindi – 一个具有互补目标的专门合作伙伴 – 是非洲最大的数据科学家社区，并举办专注于解决非洲最紧迫问题的竞赛。
我们的科学团队的多样性、公平和包容（DE&I）团队与Zindi合作，确定了一个可以帮助推进保护工作并扩大AI参与度的科学挑战。受到Zindi的海龟边界框挑战的启发，我们选择了一个具有真实影响潜力的项目：海龟面部识别。
生物学家认为海龟是一个指示物种。这些是一类有助于科学家了解其生态系统基本福利的生物类别。例如，自从20世纪70年代禁止使用氯农药以来，河流中存在水獭被认为是河流清洁、健康的标志，因为这一禁令使得水獭免于灭绝。
海龟是另一种这样的物种。通过吃海草，它们培养了生态系统，为众多鱼类和甲壳动物提供了栖息地。传统上，生物学家通过物理标记来识别和追踪个体海龟，尽管这些标记在海水中经常会丢失或磨损，使得这种方法不可靠。为了帮助解决其中一些挑战，我们发起了一个名为“海龟召回”的ML挑战。
考虑到使海龟保持静止以找到它们的标记的额外挑战，海龟召回挑战旨在通过海龟面部识别解决这些问题。这是可能的，因为海龟脸部的斑纹图案是每只个体独特的，并在它们几十年的寿命中保持不变。
该挑战旨在提高海龟重新识别的可靠性和速度，并有可能提供取代使用不舒适的物理标记的方法。为了实现这一点，我们需要一个数据集来进行工作。幸运的是，在Zindi之前与肯尼亚慈善机构Local Ocean Conservation进行的基于海龟的挑战之后，团队们慷慨地共享了一个带有标记的海龟面部图像数据集。
这项比赛始于2021年11月，持续了五个月。为了鼓励参赛者参与，团队实施了一个Colab笔记本，这是一个基于浏览器的编程环境，介绍了两种常见的编程工具：JAX和Haiku。
参赛者的任务是下载挑战数据并训练模型，尽可能准确地预测一只海龟的身份，给定从特定角度拍摄的照片。在将预测结果提交到模型之外的数据上后，他们可以访问一个公开的排行榜，跟踪每个参赛者的进展。
社区参与度非常积极，参赛团队在挑战中展示了技术创新。在比赛过程中，我们收到了来自13个不同非洲国家的各种AI爱好者的提交，其中包括传统上在最大的机器学习会议上代表较少的国家，如加纳和贝宁。
我们的海龟保护伙伴表示，参赛者的预测准确率水平将立即对野外识别海龟非常有用，这意味着这些模型可以对野生动物保护产生真正而直接的影响。
作为Zindi继续支持气候积极挑战的努力的一部分，他们还在肯尼亚进行斯瓦希里语音分类，以帮助翻译和紧急服务，并在乌干达进行空气质量预测，以改善社会福利。
我们对Zindi的合作伙伴关系以及所有为海龟回忆挑战和AI为保护事业做出贡献的人表示感谢，并期待看到全世界的人们如何继续找到应用AI技术来建设一个健康、可持续的未来。
在Zindi的博客上了解更多关于海龟回忆的信息，并了解Zindi的网址：https://zindi.africa/
