英國使用 AI 模型幫助識別入侵植物物種

環境科學家和人工智慧研究人員正在利用人工智慧來對抗英國境內傳播的入侵物種。英國生態學和水文學中心（UKCEH）和伯明翰的研究人員開發了一個人工智慧模型，旨在調查道路旁邊的區域，包括日本結weed等入侵物種的存在。

日本結weed是一種入侵物種，可以對英國的自然景觀和建築物造成損害，因為它可以損壞建築物的基礎。它經常被認為是英國最具破壞性和侵略性的入侵植物物種之一。消除日本結weed通常很困難，因為它很難找到和識別。人工智慧研究人員希望機器學習算法可以減少識別日本結weed所需的時間和資源。

通過在車輛上安裝高速攝像頭收集訓練數據，模型收集了約120英里的道路旁邊植被的圖像。生態學家將檢查圖像並標記結weed，圖像將具有GPS位置標記。標記的圖像將用於訓練電腦視覺模型來識別日本結weed的樣本。相同的過程將用於識別英國其他入侵植物物種，例如喜馬拉雅紫草和杜鵑花。該系統還將用於檢測白蠟樹，它是英國的本土樹種，但受到疾病的威脅。

人工智慧模型將在為期10個月的試點項目中進行測試。研究團隊表示，需要克服一些挑戰，例如確保攝像頭捕捉的圖像質量的一致性，以及當單個圖像中有多個物種時，所有物種都能被正確識別。如果試點項目取得了良好的結果，它可能會被其他國家採用，以幫助他們解決自己的入侵物種問題。英國生態學和水文學中心的計算生態學家湯姆·奧古斯特（Tom August）被The Next Web引用如下：

“入侵植物物種往往在走廊中生長，這就是為什麼我們專注於道路旁邊的調查。計算生態學家在英國生態學和水文學中心。如果試點項目成功，這可能會在其他國家或其他植物、樹木甚至昆蟲和動物中擴大。”

根據奧古斯特的說法，人工智慧模型為學習自然世界和開發入侵物種的有效解決方案提供了很多可能性。英國生態學和水文學中心正在與伯明翰的一家人工智慧公司Keen AI合作。Keen AI的創始人Amjad Karim被Science Focus引用如下：使用人工智慧模型分析圖像和檢測入侵物種可以幫助降低成本，為土地所有者、公路機構和政策制定者提供安全保障。目前收集道路旁邊圖像的主要方法需要調查員，並且在他們完成工作時，道路會臨時關閉。

英國生態學和水文學中心與Keen AI設計的新項目只是最近人工智慧應用於對抗入侵物種的趨勢之一。去年，微軟和CSIRO的人工智慧研究人員合作設計了一個人工智慧模型，該模型可以識別澳大利亞卡卡杜國家公園中的一種入侵物種——para草。para草是一種快速生長的雜草，可以迅速擴散，取代該地區的許多本土植物。研究人員使用無人機收集的圖像，並且在模型訓練完成後，成功識別了para草，允許研究人員從易受攻擊的濕地中移除它。這使得成千上萬的麥雞返回該地區。另一個來自阿爾伯塔新大學的研究人員團隊使用機器學習模型設計了加拿大各種入侵物種的控制和減輕策略。