梅岛是苏格兰海岸边一个140英亩的自然保护区。每年都有数千只大西洋海鹦鹉返回梅岛繁殖地。2020年3月,岛上录得大约80,000只海鹦鹉,成为英国第三大海鹦鹉繁殖地。
海鹦鹉每年从非洲北部经西班牙加那利群岛长途飞行至苏格兰的几个岛屿,包括梅岛、费尔岛、伦加和诺斯国家自然保护区。苏格兰是英国和爱尔兰80%海鹦鹉种群的家园。
2023年2月初先驱报曾报道过,西班牙鸟类学家和环保组织提到圣塞巴斯蒂安的9个死亡标本以及在特内里费岛海岸线的海滩上发现的140只死亡海鹦鹉。在这篇新闻中,西班牙鸟类学会向先驱报证实了在西班牙海岸发现的海鹦鹉有腿环以及更多的海鹦鹉在苏格兰被套了腿环。
了解和计算海鹦鹉的数量对了解海鹦鹉如何受到气候变化导致的气候变化的影响至关重要,但这个过程也会受到海鹦鹉群周围风力发电场发展的影响。
SSE 可再生能源公司在梅岛的可持续性和野生动物项目利用人工智能(AI)、机器学习和图像识别技术进行监测和计算海鹦鹉的研究。这个为期五年的项目得到了微软、Avanade和NatureScot的支持,项目希望利用这些数据和智能更好地了解附近的风电场如何影响海鹦鹉群。
据微软英国技术部Azure业务负责人Michael Wignall说,用传统的方法获得海鹦鹉的数目是一项棘手的任务,传统方法是护林员趴在地上将手伸进洞穴里摸索一对海鹦鹉及海鹦鹉蛋,这会导致海鹦鹉温和的反应。
Wignall表示,“虽然海鹦鹉没有濒临灭绝的危险,但它们在‘关注自然保护的鸟类4号红色名单’上挂了名,这意味着海鹦鹉的野外数量存在严重的担忧。在部署新的建筑项目(如海上风电场)时,了解项目对当地野生动物的影响至关重要以及有助于跟踪海鹦鹉的数量变化。”
Wignall表示,人工智能技术的使用正在最大限度地减少对鸟类的繁殖和喂养习惯的干扰。人工智能技术还可以检测及区分每只海鹦鹉属于哪个海鹦鹉群。
Wignall 表示,“人工智能工具可以识别单只海鹦鹉以及监测它们的动态和活动。2020年3月记录了大约80,000只海鹦鹉,假若不是部署人工智能技术就不可能对鸟群内的每只海鹦鹉做到这种具体的了解。”
Wignall称,通过这项技术我们了解到海鹦鹉在海上经历了8个月后于3月底和4月初返回陆地繁殖的情况以及这些鹦鹉如何像往年一样返回相同的洞穴。
项目组为了发现、识别和统计梅岛的海鹦鹉在岛上的不锈钢盒子里装了四个摄像头,可以捕捉海鹦鹉的实时画面。第一批试验摄像头是2021年4月安装的,监测工作则是在2021年4月至8月的夏季繁殖期进行。
Wignall表示,“每个盒子都配备了冷凝加热器、应对天气的雨刷和一个备用电源。捕获的数据存储在微软Azure数据湖中,数据使用Azure Kubernetes服务,Azure Kubernetes服务具有处理大量信息的能力和弹性。”
人工智能在摄像头打开后可以定位海鹦鹉,将海鹦鹉从岩石等背景图像中分离出来并在它们移动时逐帧追踪它们。
Wignall表示,虽然梅岛项目的重点是海鹦鹉,但该技术也可以用于监测其他可能受到发展和基础设施变化(例如部署新的或现有的风力发电厂)影响的动物。
Wignall称,“这项技术可以在各种环境中使用,你希望在某种环境中监测一个物种但不想直接介入,可能是因为环境太偏僻或者不希望人类对环境造成干扰。例如,另一个部署人工智能的野生动物群的例子是监测鲑鱼,以确保它们能够在河流中迁移。”
SSE公司首席可持续发展官Rachel McEwen表示,“海鹦鹉非常可爱,我们做的是一个很好的开始,但实际上还有无数的可能,例如海豚、鼠海豚及各种鸟类等等。真正监测你所产生的影响,然后,当然你就能够调整你所做的事情减少影响。”
梅岛项目于2023年的繁殖季节启动。
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。