十一海鲜宴背后的故事你了解吗？

十一的海鲜盛宴有没有吃的很过瘾？

愉快的十一假期即将过去，你有没有享用一顿海鲜盛宴呢？丰盛的海鲜宴总会给我们带来十足的满足感。然而你可曾想过，如果有一天我们再也尝不到美味海鲜的日子会是什么样？

其实，在我们能够年复一年的享受海洋美食的背后，是一些人为打击非法捕鱼这种严重破坏渔业生态、影响渔业生产、困扰捕捞渔业持续发展的行为所付出的努力。

图为：渔业观察员追踪渔船上捕获的鱼类。

照片来源：Mary Catherine O'Connor。

根据西太平洋和中太平洋渔业委员会的统计，每年由于非法捕捞所造成的渔业损失约有15亿美元。为了避免这些巨大的损失，渔业观察员需要几乎7x24小时不间断的工作。他们在一艘距离海岸线几百英里的渔船上巡航太平洋。即便工作如此辛苦，但并没有什么丰厚的回报，尤其是当观察员要对渔船捕捞上的海产品进行源头追踪时，不仅要受到渔民的厌恶，还要遭遇渔民给他们带来的阻碍。而这种源头追踪主要应用于兼捕渔获物，以避免可能发生的非法捕捞行为。

那有什么办法可以解决或者改善这个问题呢？

相关人士就想到了通过部署人工智能海员来打击非法捕鱼。但是，这其中的缘由是什么呢？

据估计，全球大约有20%的海鲜产品都来源于非法捕捞。这些非法行为主要出现在持证上岗的渔船中，而并非我们想象的来自于无证渔船。

所以，来自自然保护协会（TNC）的专家们正积极推进在商业渔船上使用配备AI功能的视频监视器。监视器所用软件具有机器学习功能，可以快速的根据每条鱼的尺寸、外形及颜色来确定其种类。渔业监管机构也可以依靠监视器及相应的软件系统来对渔船进行检查，以确定其捕捞过程是否合法。这是一种全新的人工智能（AI）监测系统，该系统可以被看作是针对鱼的“人脸识别系统”，这种系统能为渔业观察员的工作提供帮助，帮助保持鱼类的种群数量以及维持整个海洋生态的平衡。而且它还使得人们可以逐渐从渔业观察员这一繁重辛苦的工作中解脱出来。

虽然，如今AI技术已经在越来越多的行业应用普及，但是，这个技术在最初应用时可是受到了不少的阻力。TNC印度洋及太平洋区金枪鱼项目主管Mark Zimring表示，这项技术在起步阶段受到了大多数业内人士的怀疑。反对的声音在Mark意料之中，毕竟那个时候AI图像识别技术并不成熟，即使是在受控的静态坏境采用白屏背景进行识别，或者是识别传送带上速度稳定的物体都是十分困难的。

不过最终他们仍使这个设想成为了现实。在测试的过程中，他们在镜头上制造盐渍，采用不同的照明强度模仿白天和夜晚，并将鱼类置于监控范围内的各个位置来进行识别，尽力还原真实渔船上可能出现的情况。

相对于在过去完全依靠渔业观察员来向国际监管机构报告非法行为来说，AI监测模块的出现已经是一个很大的进步了。

这些置于甲板上的摄像机（即电子监视器），可以代替渔业观察员进行作业。摄像机与船只上的通讯系统相连接，向监管机构提供信息，一旦有人想篡改摄像内容或遮挡镜头，报警系统就会被触发。

在捕捞结束后，一般需要数百小时对摄像机发送回来的图像进行审查，因此TNC开始着手开发一种类似于鱼类“面部识别”的AI算法。

为了完成识别算法，TNC在Kaggle（一种为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台）上发起了一场比赛。最终有近2300个队伍参加比赛并提交代码，该比赛也成为Kaggle上参与人数最多的比赛之一。最终获胜的五只队伍共同分享了15万美元的奖金。随后，TNA与电子监视器制造商Satlink共同对代码的有效性进行了测试。

TNC地理信息系统（GIS）小组的组长Matt Merrifield表示：“我们的目标是为现有的电子监控系统提供可参考的例子及网络服务，使其能够达到我们所需要的识别功能。也就是说我们要在现有的资源上进行提升，而不是设计全新的工作流程和算法。”

Snap Information Technologies（一个帮助TNC改进AI算法的新西兰公司）的CEO Chris Rodley表示，TNC所采用的软件系统能够从错误的判断中自主学习，并逐渐提高其准确性。

这种机器学习算法通过对已有的电子监控图像进行识别，了解不同种类的鱼在不同光线条件下的身体特征。随后由专业的渔业观察员对软件识别的结果进行校对。

Rodley和多数人都对该系统持乐观态度，他们预计这个系统能够将电子监控录像的审查时间由40多小时降至几个小时。这可以大大缩短渔业观察员在录像审查上所用的时间，使他们有时间进行其他方面的工作。

TNC的目标是提高渔业的透明度，并让船队为其违法行为付出代价。如果AI软件确实能够精准的识别鱼的种类并有效降低劳动力成本，其应用范围则可能进一步扩大。

大型的渔业公司可以应用AI软件来提高其产业透明度，并以此作为商业竞争优势；零售商也可以要求其供应商应用电子监控系统，以确保其货源的合法性。

政府及监管部门在渔业方面的专业顾问Francisco Blaha表示，AI的确潜力无穷，但在实际应用时可能还会遇到一些障碍。他认为，技术供应商和监管机构共同协商，制定一个法律框架，使AI生产出的视频证据能够被法律认可，这其中应当包括证据的有效性及可接受的误差范围等。

AI电子监控可以减轻渔业观察员

在船上的手动工作量。

图片来源：Mary Catherine O’Connor

Blaha说，为使AI能够真正在渔业中发挥作用，还需要大量的资源和优化，特别是针对渔船上不稳定的光照强度和不可避免的晃动。

另外，由于该技术并不是由政府及监管部门进行推广，是由TNC及电子监控供应商推广，所以并没有确切的投入使用时间。不过，Blaha仍认为为其付出努力是值得的。毕竟在世界范围内，鱼类都是十分重要的蛋白质来源，整个渔业也需要更高的透明度和责任制。

来自TNC的Zimring认为，相比于渔船来说，渔业观察员的数量是远远不够的，AI面部识别软件将会在未来发挥无可替代的作用，并可能最终阻止非法捕捞活动。

* 推 荐 阅 读 *

点击【阅读原文】查看更多精彩内容