MIT新招：AI幫手數三文魚，保育生態話咁易！

zero comment

🎬 YouTube Premium 家庭 Plan成員一位只需
HK$148/年！

不用提供密碼、不用VPN、無需轉區
直接升級你的香港帳號 ➜ 即享 YouTube + YouTube Music 無廣告播放

簡化數據收集以改善鮭魚族群管理

麻省理工學院的助理教授Sara Beery正在利用自動化技術來改善太平洋西北地區鮭魚的遷徙監測。Beery在麻省理工學院電機工程與計算機科學系任職，專注於生態挑戰。她的研究生涯圍繞著將計算機視覺、機器學習和數據科學的專業知識應用於保護和可持續性等現實問題。她被麻省理工學院「為地球計算」的承諾所吸引，並希望將她的方法應用於全球環境和生物多樣性監測。

在太平洋西北地區，鮭魚對生態系統的健康有著不成比例的影響，其複雜的繁殖需求引起了Beery的注意。每年，數百萬條鮭魚開始遷徙以產卵，這段旅程始於淡水溪流床，幼魚在此孵化，然後向海洋游去，成熟後再返回出生的溪流產卵，確保物種的延續。雄性和雌性鮭魚在產卵後不久便會死亡，這一過程對於維持生態系統的健康至關重要。

鮭魚在其遷徙過程中支持著多種生物。例如，鮭魚將碳和氮等養分從海洋帶回上游，增強了這些生態系統的養分供應。此外，鮭魚是許多掠食者的食物來源，幫助控制其他物種的數量。鮭魚死亡後，其腐爛的屍體也能為周圍的生態系統補充寶貴的養分。鮭魚的遷徙不僅維持了自身的物種，還對其所棲息的河流和海洋的整體健康起著關鍵作用。

同時，鮭魚族群在經濟和文化上也扮演著重要角色。商業和休閒鮭魚漁業對當地經濟貢獻巨大，而對於太平洋西北的許多原住民來說，鮭魚在飲食、傳統和儀式中具有重要的文化價值。

監測鮭魚遷徙

人類活動的增加，包括過度捕撈和水電開發，加上棲息地喪失和氣候變化，對該地區的鮭魚族群產生了重大影響。因此，有效的鮭魚漁業監測和管理至關重要，以確保生態、文化和人類利益之間的平衡。準確計算鮭魚在季節性遷徙中的數量對於跟踪受威脅的族群、評估恢復策略的成功、指導捕魚季節的規定以及支持商業和休閒漁業的管理至關重要。精確的族群數據有助於決策者採取最佳策略，以保護生態系統的健康，同時滿足人類需求。然而，監測鮭魚遷徙是一項勞動密集且效率低下的工作。

Beery目前正在領導一個研究項目，旨在利用尖端的計算機視覺方法簡化鮭魚監測。這個項目符合Beery更廣泛的研究興趣，專注於人工智慧、自然世界和可持續性之間的跨學科空間。由於其與漁業管理的相關性，該項目獲得了麻省理工學院Abdul Latif Jameel水與食品系統實驗室（J-WAFS）的資助。Beery的2023年J-WAFS種子資助是她加入麻省理工學院教職以來獲得的第一筆研究資金。

歷史上，監測工作依賴於人類在河岸上用肉眼手動計算鮭魚。過去幾十年來，水下聲納系統被引入以輔助計算鮭魚。這些聲納系統本質上是水下攝像機，但它們使用聲學而非光傳感器來捕捉魚的存在。這種方法需要人們在河邊設置帳篷，根據連接到筆記本電腦的聲納攝像機輸出來計算鮭魚。儘管這種系統比起原始的肉眼監測方式有所改進，但仍然在很大程度上依賴於人力，過程繁瑣且耗時。

自動化鮭魚監測對於改善鮭魚漁業的管理至關重要。Beery表示：「我們需要這些技術工具。我們無法在沒有某種形式的自動化的情況下，跟上監測、理解和研究這些複雜生態系統的需求。」

為了在太平洋西北地區自動計算遷徙的鮭魚族群，項目團隊包括EECS的博士生Justin Kay，正在收集來自不同河流的聲納攝像機視頻數據。團隊對一部分數據進行標註，以訓練計算機視覺系統自動檢測和計算鮭魚的數量。Kay描述了模型如何計算每條遷徙魚的過程：「計算機視覺算法旨在定位畫面中的魚，框住它，然後隨時間追蹤。如果一條魚在屏幕的一側被檢測到並從另一側離開，我們就計算它向上游移動。」在團隊為系統創建訓練數據的河流中，計算結果相當出色，計算誤差僅為3%到5%。這遠低於團隊和合作夥伴設定的目標，即不超過10%的計數誤差。

測試和部署：平衡人力和自動化使用

研究人員的技術正在部署於新近恢復的克拉馬斯河，以監測鮭魚的遷徙。該河的四座水壩最近被拆除，成為美國歷史上最大的水壩拆除項目。這些水壩的拆除是在長達20多年的運動後實現的，該運動由克拉馬斯部落主導，並與科學家、環保組織和商業漁民合作進行。水壩拆除後，240英里的河流現在自由流動，近800平方英里的棲息地對鮭魚開放。Beery指出，克拉馬斯河鮭魚族群幾乎立即開始恢復：「我認為在水壩拆除的八天內，他們就開始看到鮭魚實際向上游遷徙。」團隊目前與加州鱒魚合作，正在處理新數據，以適應並創建可部署的自定義模型，幫助計算新遷徙的鮭魚。

該系統的一個挑戰在於訓練模型準確計算在不熟悉環境中魚的數量，因為河床特徵、水的清晰度和光照條件等變化會顯著影響魚在聲納攝像機輸出中的顯示，並使計算機模型感到困惑。在未收集過數據的新河流中（如克拉馬斯河）部署時，系統的性能會下降，誤差範圍大幅增加至15%到20%。

研究人員在系統內部構建了一個自動適應算法，以克服這一挑戰並創建一個可擴展的系統，無需人為干預即可部署到任何地點。這種自我初始化的技術可以自動校準到新條件和環境，以準確計算遷徙的魚。在測試中，自動適應算法能夠將計數誤差降至10%到15%的範圍。這一自我初始化功能所帶來的計數誤差改善意味著該技術更接近於在不需要太多額外人力的情況下，部署到新地點。

實現實時管理的“Fishbox”

研究團隊面臨的另一挑戰是開發高效的數據基礎設施。為了運行計算機視覺系統，聲納攝像機生成的視頻必須通過雲端傳輸或通過手動郵寄硬盤驅動器從河流現場發送到實驗室。這些方法有顯著的缺點：基於雲的方式在偏遠河流現場缺乏互聯網連接，而運送數據則引入延遲問題。

團隊因此實施了一種節能的小型計算機，稱為“Fishbox”，可在現場進行處理。Fishbox是一台小巧輕便的計算機，配備優化軟件，漁業管理者可以將其插入現有的筆記本電腦和聲納攝像機中。該系統能夠在聲納現場直接運行鮭魚計數模型，無需互聯網連接。這使管理者能夠進行逐小時的決策，支持對鮭魚族群的更快、更實時的管理。

社區發展

團隊還在努力讓社區共同參與太平洋西北地區鮭魚漁業管理的監測工作。Beery表示：「能夠與熱衷於獲取我們技術的利益相關者緊密合作，真是令人興奮。特別是在食品和水系統的工作中，我們需要直接合作以促進影響，因為這樣才能確保我們所開發的東西實際上能滿足人們和組織的需求。」

今年六月，Beery的實驗室在西雅圖舉辦了一次研討會，召集了非政府組織、部落以及州和聯邦的魚類和野生動物部門，討論使用自動聲納系統來監測和管理鮭魚族群。Kay指出，這次研討會是「一個極好的機會，讓大家分享他們使用聲納的不同方式，以及我們所建造的自動化方法如何融入這一工作流程。」目前，討論已通過團隊創建的共享Slack頻道持續進行，參與者超過50人。召集這個小組是一項重要成就，因為這些組織本來沒有機會聚在一起進行合作。

展望未來

隨著團隊繼續調整計算機視覺系統、完善技術並與來自原住民社區到漁業管理者的多方利益相關者互動，該項目有望顯著提高該地區鮭魚監測和管理的效率和準確性。Beery在推進她的麻省理工學院團隊的工作時，J-WAFS種子資助幫助她保持對漁業管理等挑戰的關注。

Beery表示：「J-WAFS種子資助的存在使我們能夠在來到這裡後繼續這個項目，它還擴大了項目的範疇並促使我們保持活躍的合作，這是一個非常重要且有影響力的項目。」

隨著J-WAFS今年慶祝其十周年，該計劃旨在繼續支持和鼓勵麻省理工學院的教職員追求創新項目，以推進知識並創造對全球水和食品系統挑戰的實際解決方案。

這篇文章不僅展示了科技如何改變傳統漁業管理的方式，也提醒我們在面對生態挑戰時，創新與合作的重要性。透過自動化技術的應用，鮭魚的監測和管理將變得更加高效，這對於保護生態系統與維持人類需求之間的平衡具有重要意義。這一研究的成功不僅可以為太平洋西北地區的鮭魚保護提供新的視角，還能成為其他地區類似問題的範本，推動全球範圍內的生態保護工作。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。