你的 Flickr 照片可以帮助科学家密切关注野生动物

你是否曾让动物或植物闯入照片，然后公开分享到社交媒体上？即使你不是故意的，你也可能帮助保护科学家更多地了解野生动物的栖息地。随着生态系统的快速变化，科学家们正在努力了解不同植物和动物的反应，以及它们是留在原地，还是突然出现在其他地方。

威尔士卡迪夫大学的一组研究人员着手研究，能否使用像 Flickr 这样的在线社区摄影中心来追踪英国各地入侵物种和家养物种的分布情况。他们的案例研究上周发表在《PLOS ONE》杂志上。

卡迪夫大学计算机科学研究员、论文作者托马斯·爱德华兹表示，在了解到许多保护组织难以获得足够的资金聘请专家进行广泛的实地观察后，他和他的同事对使用社交媒体进行“被动公民科学”产生了兴趣。

[相关：这些自由漂浮的机器人可以监测海洋的健康状况]

该项目的根源令人难以置信：当时卡迪夫的一些团体一直在使用社交媒体来检测人群中的骚乱。“我们当时正在讨论将类似的项目带过来，因为现在拍摄房屋、猫或常春藤的人越来越多。有很多人去大自然散步，”爱德华兹说。“这些都是非常好的信息，而且有了社交媒体，这些信息都带有地理标签。你可以比传统研究更好地确定它。”即使一张照片聚焦于一只特定的动物，比如鸽子，背景中可能还潜伏着其他物种，只是没有人想到要标记。

积极的公民科学活动已经发展成为收集生态信息的宝贵资源。“它的缺点是它确实依赖于这些活动，而且有人在某个地方受雇发起活动来做这件事，”爱德华解释道。“你会得到一些小团体，他们会给你非常漂亮的数据，但你不会得到路边的多丽丝阿姨，她在自家后花园里拍一张鸟的照片。”

[相关：四分之一的新入侵物种是由公民科学家发现的]

另一方面，通过被动公民科学，研究人员可以梳理 Flickr 等公共平台，尽可能多地收集野生动物（有意和无意）的事件。“你会得到很多垃圾，但你会得到更多的数据。这就是这种方法和分类的作用所在，因为这样你就可以过滤它，”爱德华补充道。“它可能不像一个完美的活动那样好，你审查了所有做这件事的人，但你仍然会得到大量的数据，而且它仍然足够准确，可以给你带来好处。”

2021 年，使用 Flickr 的人不如以前那么多。但该平台为 Edwards 和他的团队提供了一套不错的入门套件来测试他们的程序，因为 Flickr 专注于摄影，摄影师往往会在拍摄照片的同时输入更多细节，比如照片中出现的物品的标签，以及拍摄的时间和地点。Flickr 还与公民科学应用 iNaturalist 相连，许多用户将其与 Pokémon Go 相提并论，但内容是真实的动物。

在这项研究中，Edwards 和他的团队主要想关注算法是否能正确检测出照片中是否有野生动物。“即使标记错误也没关系，”他说。“如果我们能做到这一点，我们就可以继续研究并找出它是什么。”

将 Google API 与国家生物多样性网络地图集相结合

研究人员使用了 Google Cloud Vision API，该 API 的工作方式类似于反向图像搜索，可以返回描述照片内容的关键字或标签。谷歌此前曾与野生动物保护组织合作，创建了一个基于人工智能的云平台，可以帮助对图像中的动物物种进行分类。

然后将物种名称和图像与国家生物多样性网络 (NBN) 地图集中的约 1,500 种动物和植物进行匹配，该地图集是英国最大的包含物种分布信息的数据集。该数据集以最具代表性的物种以及最常见的入侵物种为中心。

“我们使用谷歌生成一堆标签，然后我们的编码开始发挥作用，并确定：这是野生动物吗？”爱德华解释道。“我们获取标签和位置，然后我们的算法会发现这是真的还是假的概率。”

当然，Edwards 和他的合著者检查了算法的工作，有时还会排除标签，这样算法就不会被照片中的非野生动物物体分散太多注意力。他们每个人都手动查看了数千张图像，但总体而言，他们验证的结果似乎与分类器的结果一致。Google Cloud Vision API 本身并不完美。例如，它无法区分 10 斑瓢虫和 22 斑瓢虫。它也无法辨别某些长相相似的物种，例如杜鹃和雀鹰。

[相关：观鸟者们看到了：康奈尔大学的 Merlin 应用程序现在是鸟类识别的一站式商店]

此外，一些奇怪的谜团必须由人类的大脑来解决。“斯旺西有一支橄榄球队，名叫鱼鹰队。斯旺西是一个从未见过鱼鹰的地区，突然间，我们收到了这么多鱼鹰的标签，感觉就像是‘哦，不！’”爱德华兹说。但他们可以将这些标签过滤掉，认为它们是垃圾，而不是野生动物，算法会学习到这一点。

总体而言，人们最喜欢拍摄白天活动的鸟类，这些鸟类与 NBN Atlas 中的鸟类照片匹配度最高。算法最难识别的物种是常春藤等入侵植物，它们通常依附在房屋或墙壁上。即使通过修改标签，算法似乎也无法将注意力从这些大型结构转移到这些结构上的植物上。

在证明该算法可以通过公开的 Flickr 照片正确识别周围的野生动物（准确率在 70% 到 80% 之间）之后，Edwards 和他的团队正在考虑将其用途扩展到 Twitter 和 Facebook 等其他平台，但他认为，随着“人们开始变得更加注重数据”，这项技术的实施将会有些困难。

他想要测试的另一个目标是看看这种算法是否能用于跟踪已识别的物种。“你可以开始寻找迁徙模式，并为它们规划轨迹，”爱德华兹说。“这很受关注，因为你可以通过动物在我们能看到之前移动的地方来预测气候变化。”