2021年12月9日 星期四

當AI系統遇上珊瑚研究

 


研究人員正在水下進行珊瑚觀測。在潛入水中後,觀察員會以白色皮尺拉出測線,並將相機安置在樣框上開始拍照。使用樣框與皮尺能夠保證觀測的準確度,並確保科學分析的正確性。


/ 王玠文海生館出版中心

/ 葉宗旻海生館企劃研究組


AI(人工智慧)技術是這幾年科技發展的趨勢,也是人們享受便利生活的基礎,但 AI 除了為我們創造更便捷的日常外,也能幫助科學家們節省研究時間,甚至為環境保育盡一份心力!由美國加州大學聖地亞哥分校計算機科學系的 Oscar Beijbom博士發展的 CoralNet(珊瑚網)就是珊瑚研究者們的福音。透過這個平台,可以幫助學者們節省在實驗室分析調查與監測照片的時間,更能邀請有志於加入守護海洋環境的公民科學家們一同上傳照片,並加入全球科學化測量珊瑚數量的研究網絡。 


由於珊瑚礁的範圍廣大,有些地區珊瑚的異質性又高,為了確保研究的珊瑚數量正確,研究人員會選擇一些固定的地點作為觀測站,每次潛水調查時都在同一方位,選擇同一個珊瑚礁作為觀察對象。一位珊瑚研究者在進行調查時的行程是這漾的:在潛入水中到達觀測地點後,拉出三條三十公尺的等深測線,取出35x35公分的樣框開始拍照。上岸回到實驗室之後,開始分析拍回來的照片。一張照片大約有五十個樣點需要分析,藉由這些樣點,研究者可以看出樣框裡的生物是硬珊瑚、軟珊瑚、珊瑚藻、大型藻、毛叢藻、或是其他底棲生物或基質,以珊瑚數量是否佔優勢來判別珊瑚礁生態的健康程度。通常一個測站會拍回兩百七十張照片,而每次野外調查,潛水員都會去好幾個監測點,例如墾丁的合界、後壁湖、核三廠的出水口和進水口等,依地點的多寡,每次潛水回來都有數百至數千張的照片。即使多年來研究人員們已練就出「火眼金睛」的能力,然而巨大的資料量,常需要漫長的時間進行人工分析。

 

核三廠進水口珊瑚礁


2015年時,CoralNet的首席科學家Beijbom博士與共同合作者,包括海生館珊瑚實驗室的樊同雲老師,透過多方提供珊瑚的照片資料與分析比較,一起訓練辨識珊瑚的 AI 系統,並共同發表論文。實驗室在初期拍回許多南灣珊瑚的資料照片上傳,教導系統分辨不同珊瑚的樣貌與形狀,系統訓練完成後,便能自動分析使用者上傳的照片最有可能是哪種珊瑚,大幅節省了研究人員在實驗室工作的時間。AI 系統的靈敏度也與資料數據呈現正相關,也就是說給系統越多正確的資料,AI 的判讀準確度就會越高。最近幾年為了充實資料庫,實驗室也很積極的在全臺灣拍攝、上傳照片,也因為有大量數據的訓練,系統約有將近80%的準確度。「我們實驗室的話,你可以看到CoralNet全球地圖中,目前是亞洲上傳資料量最多的。」珊瑚實驗室驕傲地向我們展示資料庫的首頁。

 

進入CoralNet的頁面,首先你會先看到一張世界地圖,地圖上有許多帶有數字的色點,這些色點代表不一樣的資料來源,研究人員可以依自身的研究需求去建立不同的資料來源,並且選擇設定公開與否。CoralNet 目前由美國國家海洋暨大氣總署(NOAA) 資助,是免費的分析平台,從開站至今已有數百名用戶上傳上萬張照片到網站,而數字還在增加中。

 

不過野外觀測需要投入大量時間長期觀察,但實驗室的人力、時間與經費都有限,若能廣集眾人之力,未來才能持續擴大與成長。有鑑於此,珊瑚實驗室近年在海保署和屏東縣政府經費的支持下,也在臺灣各地,包括小琉球、墾丁、澎湖、臺東和基隆,舉行了訓練公民科學家使用CoralNet的工作坊,邀請有興趣的民眾一起上傳照片到網站和學習使用分析流程,共同加入守護珊瑚的行列。當被問及加入公民科學家是否需要符合哪些資格時,實驗室的助理葉宗旻笑著跟我們說,「只要有熱情就好!」他表示,擔任公民科學家其實是件辛苦又燒錢花時間的工作,每次拍照都需要潛水,這就是一筆支出,在水下還要拍攝不同觀測點與深度的珊瑚照片,上岸後還要將照片整理上傳並分析資料,雖然有AI 輔助,但對於非專業者來說,仍不輕鬆。

 

潛水人員手裡拿著觀察珊瑚時所需使用的拍攝樣框



「此外,靠單一研究機構畢竟不是長久之計,我們也希望能透過計畫,找到在地的『守護者』,集合大家的力量,一起長久、穩定的去調查他們所關心的那片海域。」他表示,由於近年來臺灣旅遊業發達,有許多地區的生態其實已遭到嚴重破壞,透過完整的科學調查與研究,學術單位、政府與民間機構才有機會共同商議出一個對於環境友善的策略。也因此,只要有意願的民眾,即使不會潛水也能加入守護者的行列。在工作坊中,研究人員們會帶大家從基礎的認識珊瑚開始,也會與他們分享如何在觀測點使用樣框拍照,而照片拍回來之後要如何上傳到CoralNet,怎麼透過系統進行分析,分析完畢後如何統整為呈現珊瑚數量的柱狀圖等等的內容。實驗室也為工作坊設立聯繫社群群組,幫忙大家交流資訊與疑難解惑。

 

當問到分辨珊瑚是否有哪些訣竅時,葉宗旻回答:「可能就是靠著時間、知識與經驗累積,學術研究上我們通常要分到界門綱目科屬種的『屬』,但這大概要半年到一年的學習,所以如果是非研究人員,我們就會簡化一些分到珊瑚或藻類等大類即可。在CoralNet系統開發前,初學者分析一張照片可能需要至少十分鐘,不過透過AI系統分到大類即可節省公民科學家們至少一半到三分之二以上的時間。而因為分的類別較為基礎和簡單,因此準確度更高,也更適用於公民科學家和社會大眾!」

 

珊瑚實驗室於小琉球舉辦工作坊合影


近幾年來,隨著氣候變化與人為的干擾、破壞和污染等原因,珊瑚生態日益衰退和脆弱,對整體環境所將帶來的衝擊不言而喻。不過也有越來越多人加入保育、復育的行列,希望讓珊瑚生態保持平衡,不論是AI辨識系統的研發、珊瑚品種的研究或是珊瑚生態的調查與復育,都是有志之士們希望能盡一己之力,讓珊瑚生態免於危難和滅絕。也希望大家從珍惜身邊資源,不製造垃圾和節能減碳等小事開始做起,一同加入守護環境的行列!


→對CoralNet有興趣的讀者也可點擊連結到網站一探究竟喔!


沒有留言:

張貼留言