機(jī)器學(xué)習(xí) (ML) 是一項(xiàng)革命性的技術(shù)，它促進(jìn)了前所未有的應(yīng)用。盡管如此，該技術(shù)在許多方面仍然受到限制，因?yàn)樗ǔH限于數(shù)據(jù)中心和高性能計(jì)算機(jī)。人工智能 (AI) 是 ML 的固有部分，將其帶到邊緣正在挑戰(zhàn)這一概念，并解鎖迄今為止無法實(shí)現(xiàn)的新用例。

一個(gè)這樣的用例是野生動(dòng)物保護(hù)。在野生動(dòng)物保護(hù)領(lǐng)域工作的組織正在邊緣執(zhí)行 ML 推理，以研究、跟蹤和保護(hù)瀕危物種。跟蹤攝像頭和環(huán)境傳感器等工具正在生成可與 ML 相結(jié)合的數(shù)據(jù)，以更好地為保護(hù)工作提供信息。

在這篇文章中，我們研究了Conservation X Labs如何與領(lǐng)先的邊緣設(shè)備 ML 開發(fā)平臺 Edge Impulse 密切合作，共同開發(fā)將邊緣 AI 引入野生動(dòng)物保護(hù)領(lǐng)域的解決方案。

Conservation X Labs：野生動(dòng)物保護(hù)的機(jī)器學(xué)習(xí)

Conservation X Labs 旨在開發(fā)以創(chuàng)新和技術(shù)為動(dòng)力的解決方案，以防止第六次生物大滅絕。他們關(guān)注危機(jī)的驅(qū)動(dòng)因素，而不是癥狀，從源頭上解決問題。

為了支持這些努力，Conservation X Labs 設(shè)計(jì)了創(chuàng)新的監(jiān)測和跟蹤技術(shù)，例如Sentinel，以幫助防止野生動(dòng)物走私，阻止入侵物種的傳播，并為健康的生態(tài)系統(tǒng)做出貢獻(xiàn)。Sentinel 是一種基于 Google Coral 的人工智能工具包，可連接到跟蹤攝像頭等設(shè)備，為它們提供邊緣人工智能功能。例如，借助 Sentinel，Conservation X Labs 可以將標(biāo)準(zhǔn)跟蹤相機(jī)升級為運(yùn)動(dòng)跟蹤相機(jī)，能夠利用 ML 執(zhí)行自動(dòng)野生動(dòng)物檢測和分類以進(jìn)行保護(hù)研究。

在這類系統(tǒng)的設(shè)計(jì)中，最重要的功能之一就是實(shí)時(shí)監(jiān)控。通過實(shí)時(shí)監(jiān)控，跟蹤攝像機(jī)可以觀察、檢測和捕獲動(dòng)物的實(shí)時(shí)圖像或視頻。成功實(shí)時(shí)監(jiān)控的關(guān)鍵是低延遲計(jì)算。

通常，ML 應(yīng)用程序依賴基于云的數(shù)據(jù)中心來執(zhí)行計(jì)算密集型 ML 算法。然而，對于像 Conservation X Labs 這樣的應(yīng)用程序，云計(jì)算并不是一個(gè)可行的解決方案。

利用邊緣計(jì)算保護(hù)野生動(dòng)物

云計(jì)算不適合 Conservation X Labs 應(yīng)用的一個(gè)主要原因是野生動(dòng)物檢測和跟蹤設(shè)備通常部署在孤立和偏遠(yuǎn)的位置。這樣的位置會(huì)使監(jiān)控設(shè)備很難找到滿足云計(jì)算要求所需的高帶寬無線連接。在野外，在叢林之類的地方，幾乎不存在蜂窩連接。

此外，無線通信可能需要更高的能量和安全成本。為了使野生動(dòng)物保護(hù)設(shè)備最有效地完成工作，它們需要盡可能長的電池壽命，因?yàn)檫h(yuǎn)程部署的攝像機(jī)更換電池是不現(xiàn)實(shí)的選擇。因此，目標(biāo)通常是限制在系統(tǒng)上來回發(fā)送的數(shù)據(jù)量。

所有這些因素導(dǎo)致 Conservation X Labs 得出一個(gè)結(jié)論：部署的工具需要利用邊緣計(jì)算。通過在邊緣運(yùn)行算法，Conservation X Labs 設(shè)計(jì)了野生動(dòng)物監(jiān)測工具，這些工具可提供實(shí)時(shí)性能，而無需云計(jì)算帶來的成本和時(shí)間開銷。

邊緣計(jì)算挑戰(zhàn)

Conservation X Labs 在設(shè)計(jì)用于野生動(dòng)物保護(hù)的邊緣 AI 設(shè)備方面很快遇到了重大挑戰(zhàn)。

一個(gè)挑戰(zhàn)是追蹤不同種類動(dòng)物所需的模型多樣性，因?yàn)槊恐粍?dòng)物都需要自己獨(dú)特的數(shù)據(jù)集和模型訓(xùn)練。持續(xù)訓(xùn)練新模型所需的云資源數(shù)量巨大，相關(guān)的財(cái)務(wù)成本同樣過高，數(shù)以千計(jì)——從業(yè)務(wù)角度來看，這是一個(gè)不可持續(xù)的數(shù)額。

另一個(gè)主要挑戰(zhàn)是跟上動(dòng)態(tài)和快節(jié)奏的 ML 領(lǐng)域，特別是其當(dāng)前最先進(jìn)的技術(shù)，包括高級算法、新庫和不斷發(fā)展的依賴項(xiàng)。為了最有效地執(zhí)行保護(hù)工作，Conservation X Labs 盡可能應(yīng)用了最先進(jìn)的工具——當(dāng)最先進(jìn)的技術(shù)經(jīng)常變化時(shí)，這不是一件容易的事。跟上該領(lǐng)域的步伐不僅困難，而且也是不可取的，因?yàn)樗归_發(fā)人員無法專注于可能更重要的問題，例如解決方案的有效性。

邊緣脈沖的作用

在嘗試了許多其他工具后，Conservation X Labs 發(fā)現(xiàn) Edge Impulse 是應(yīng)對這些挑戰(zhàn)的絕佳解決方案。

Edge Impulse 的平臺使邊緣 ML 模型的開發(fā)、優(yōu)化和部署變得極其容易和可訪問。該平臺使開發(fā)人員能夠在高級別管理工作負(fù)載，涵蓋從數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)選擇到模型選擇、模型訓(xùn)練和模型部署的所有內(nèi)容，包括特定于設(shè)備的二進(jìn)制文件。

Edge Impulse 使這些過程完全自動(dòng)化，并使用最新的庫和依賴項(xiàng)來確保 ML 解決方案基于最前沿。反過來，開發(fā)人員可以降低這些更細(xì)致的后端任務(wù)的優(yōu)先級。

解決滅絕危機(jī)

為了保護(hù)對這個(gè)星球上的生命至關(guān)重要的生物多樣性和自然，Conservation X Labs 需要先進(jìn)的技術(shù)來提高保護(hù)工作的速度和規(guī)模。如今，邊緣機(jī)器學(xué)習(xí)已經(jīng)實(shí)現(xiàn)了前所未有的用例，為解決迫在眉睫的滅絕危機(jī)開辟了一條清晰的前進(jìn)道路。

得益于 Edge Impulse，Conservation X Labs 開發(fā)了邊緣設(shè)備來監(jiān)控、檢測并最終保護(hù)瀕危野生動(dòng)物。Conservation X Labs 相信這些先進(jìn)技術(shù)可以幫助恢復(fù)自然世界的平衡并防止未來危機(jī)的發(fā)生。

審核編輯黃昊宇