保育野熊 AI 挑戰活動：協助開發人員同時推動保育工作
Oct 31, 2024
作者: Arm 資深首席工程師 Ed Miller
人工智慧（AI）的應用正以前所未見的速度持續成長。一些觀察家甚至認為 AI 可以解決當前人類面臨的重大挑戰。然而現在卻沒有足夠的開發人員知道如何將 AI 應用在永續發展。
為了縮小技術落差並支持永續發展目標，Arm 與 FruitPunch AI 合作，一起贊助「AI for Bears 挑戰活動」。FruitPunch AI 透過解決聯合國 17 項永續發展目標之一的真實世界挑戰，教導大家應用 AI。由全球各地學員與專家組成一個 15 到 50 名工程師團隊，在十週內著手解決利害相關人面臨的數據問題。一旦招募完成，團隊成員將參加一系列專業培訓課程，包括高階研習課程、研究、實驗、實作與成果展示。
為何會選擇熊？
除了擔任 Arm 軟體工程師，我也在我共同創立的非營利組織 BearID 專案擔任志工。我們為相機陷阱數據開發 AI 應用程式，以非侵入性的方式監測熊與其它野生動物。熊的重要性在於牠們被視為「傘護種」，表示牠們分布範圍廣闊，保護牠們同時有助於保護與牠們共享棲息地的許多物種。牠們面臨著從棲息地流失到氣候變遷等多種保育問題，BearID 專案的目標在於多個保育區域解決聯合國永續發展目標中的第 15 項「陸域生態」。
對於 BearID 專案的保育科學家 Melanie Clapham 博士等研究人員來說，其面臨的主要挑戰之一是處理龐大的影像與影片數據。相機陷阱網路雖能以有效、不打擾熊類活動的方式進行監測，卻會衍生數千小時的人力進行分析。且因為地點偏遠、數據搜集與分析過程繁複，導致往往會延遲數月、甚至數年都難以取得任何有意義的成果。儘管 BearID 專案的 AI 應用有助於加速分析，但近乎即時的解決方案將能夠提供更具行動性的數據。例如，與我們共同組織挑戰活動的非營利組織 Hack the Planet，正著手研發一套熊隻的嚇阻系統，以減少在羅馬尼亞的人熊衝突。為了實現此目標，我們需要邊緣 AI。
保育野熊 AI 挑戰活動
這就是 Arm、FruitPunch AI 與 AI for Bears 挑戰活動可發揮作用之處。使用 Hack the Planet 與 BearID 專案搜集到的數據集，此挑戰活動主要有兩大目標：
- 為熊隻嚇阻系統打造一個高效率的分類模型
- 在「智慧相機」裝置上打造模型以偵測並識別熊隻
共計 19 位 AI for Good 工程師分為下列四組，在超過十週時間，花了超過 1,500 個小時作業：
- 熊隻分類
- 熊臉偵測與區隔
- 熊隻識別
- 邊緣的機器學習管線
影響
與其專注在 AI for Bears 挑戰活動的技術結果，我更想聚焦在有意義的後續影響。如果你對挑戰活動的成果感興趣，可以參考 AI 對熊類生態保育的必要性這篇文章，它總結了四組團隊的最終報告。我在這裡將聚焦在學習心得與影響，包括涉及挑戰活動與受影響的野生動物與人員。
關鍵學習心得
這次挑戰活動讓 19 位參與者進行為期 10 週的過程，深入探索自然保育、人類與野生動物的衝突、AI 開發流程與團隊合作。關於後者，熊隻分類小組的 Davide Coppola 表示：「這次活動中一個重要學習是團隊合作讓夢想成真：每個人都有不同類型的專業，當眾人為了共同目標合作，就可以在極短時間內成就非凡成果。」
挑戰活動過程中，各團隊導入多項新工具。例如，邊緣裝置機器學習管線團隊可以存取 Arm 虛擬硬體 （AVH） 。該團隊的 Gaspard Bos 指出，虛擬的 NXP i.MX93 開發平台「讓我們得以在虛擬的 i.MX93 裝置搶先測試熊隻檢測與識別流程的部分功能，並更熟悉這個平台。」由於團隊利用虛擬方式作業、且只有一位成員能直接存取實體裝置，AVH 讓這支團隊在沒有開發板可用的情況下，也能持續開發應用程式。
挑戰活動進行期間，一度有人提出要求請 BearID 專案分享更多數據。Clapham 博士與加拿大英屬哥倫比亞的第一民族（First Nations）組織密切合作。他們一起收集由該組織代表的七位原住民管理的陸域數據。BearID 專案只會在會議嚴格守則的管理下共用這些數據。Gaspard 從 AI 倫理角度總結：「我很欣賞研究人員對這片土地原始守護者的尊重，以及他們在熊隻管理的參與。他們的參與和權威，對於數據分享的實踐有深遠影響。一開始這可能會讓開發人員感到複雜，但也會迫使我們重新思考我們正在處理的數據，以及如何以更專業的態度對待這些數據。」
屬於熊隻偵測與區隔及熊隻識別團隊一員的 Arthur Caillau，原本的專業就是 AI，他針對熊臉偵測與區隔以及熊隻識別做出了貢獻。他表示：
「專案期間我為了強化熊臉的辨識，重溫了我的度量學習知識...利用科技與工程專業來應對保育工作的挑戰，讓我穫益良多。」
對野生動物的影響
對野生動物（特別是熊群）的保育產生影響是此次活動的關鍵目標。之前 FruitPunch AI 也曾在這個領域做出貢獻。FruitPunch AI 技術長 Sako Arts 表示：「這次合作讓我們得以運用我們的社群以及之前動物重新識別挑戰活動取得的經驗，為熊隻們處理這個問題，並為這些珍貴動物的保育工作貢獻心力，讓我們感到相當興奮。」
正如 FruitPunch AI 針對挑戰活動成果的部落格貼文（請見之前連結）提到，部分 AI 模型已運作良好。儘管並非所有的模型都已針對在低功耗邊緣裝置上運行進行優化，Hack the Planet 今年夏天仍會實地測試其中一個熊隻的分類器模型。這將是他們在羅馬尼亞進行的第二代熊隻嚇阻系統的一部份。以下是有關他們目前裝置進度的短影片。
對於達成在裝置上提供近乎即時的監控解決方案，這次的挑戰活動可以說跨出了一步。邊緣裝置機器學習管線團隊利用 NXP i.MX93 的開發平台，展示了分類、偵測與區隔。使用 Arm Ethos-U65 機器學習處理器，團隊展現了比 CPU 架構的推論快 5 到 19 倍的執行速度，且大幅降低每次推論的功耗。下一步則是整合這些模型，讓它們成為軟體定義相機藍圖中智慧野生動物相機的參考使用場景，也就是開源且雲端原生的參考堆疊。
除了技術上的影響，另外還有態度上的改變。例如，當被問及這項挑戰活動如何改變參與者對野生動物的看法時，Davide 回答：「人類與熊隻衝突的問題比我想像的還要嚴重，而相對簡單的解決方案就能為衝突對立的雙方帶來正面的影響。」其它參與者則指出他們現在更能理解熊在我們世界扮演的角色，以及我們的決定如何影響牠們。」
對個人的影響
一些參與者不僅學到了技術、對野生動物的理解和獲得個人成就感，他們還找到了自己的使命。Davide 表示：「這項挑戰活動讓我有機會在日常工作以外，利用我的專業技能為公益事業貢獻力量。我希望這個專案與其它類似的專案，可以讓我步上把 AI for Good 當成專職的正軌。」Arthur 則已經朝這個方向努力，他表示：「這項挑戰活動確認了我投身保育工作的決心。」在挑戰活動期間，Gaspard 開始擔任多家企業與銀行的 AI 顧問。他補充說：「儘管這是我做過最具商業色彩的工作，我仍然受到影響力驅動，這項專案能促使我鼓舞同事與客戶共同為更大的公益目標做出貢獻。」
不只參加挑戰活動的開發團隊有所斬穫。恩智浦半導體（NXP）系統創新部門主管 Brian de Bart 表示：「AI for Bears 專案是恩智浦半導體為公益事業貢獻我們微處理器與 AI 技術的絕佳機會。我們的工程師得以和一群全心投入的 AI 愛好者合作，共同開發野外熊隻識別解決方案。團隊藉由在 i.MX93 NPU 上部署開發完成的 AI 模型，充份展現 i.MX93 解決方案在邊緣裝置上實現熊隻的即時分類與識別的有效性。」
結論
贊助 AI for Bears 挑戰活動是 Arm 與其合作夥伴縮小 AI 開發人員技術落差、同時向其介紹 Arm 技術，並推動永續發展目標的絕佳方式。參與者不僅學習到最新的 AI 技能，並發展出對自然界更深刻的認識。如果你是對 AI for Good 感興趣的開發人員，請加入 FruitPunch AI 主辦的挑戰活動。如果你是科技公司的領導者，請考慮贊助挑戰活動，或鼓勵你的團隊參與。我們可以攜手為人們與地球推動正向改變、開啟永續成長，並推動聯合國全球永續發展目標的進展。