[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"knowledge-fea6d3a327442415":3},{"id":4,"slug":5,"category":6,"categoryLabel":7,"title":8,"summary":9,"coverUrl":10,"publishDate":11,"shareUser":12,"rank":16,"lastSyncedAt":17,"contentHtml":18,"images":19,"sourceUrl":59},"6a33b400759fbb61a0536fcd","fea6d3a327442415","nature","自然","当偷猎枪声响起，他们靠这个伙伴守护大象","一个高科技防偷猎的故事。","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797132-0-250ce686.jpg","2020-01-17T17:30:15.524987+08:00",{"name":13,"label":14,"text":15},"vqhUr","vqhUr分享","来自vqhUr分享",7,"2026-08-23T01:15:57.317Z","\n                    \n\n                    \n\n                    \n                    \n                    \u003Csection style=\"box-sizing: border-box;font-size: 16px;\">\u003Csection style=\"line-height: 2;padding-right: 8px;padding-left: 8px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">“从2007年到2014年，短短7年间，非洲草原象的数量减少了约三分之一，并且很有可能在10年内从一些非洲国家完全消失。”\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">几年前，微软的联合创始人保罗·艾伦（Paul Allen）发表了一项名为“\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">大象普查\u003C\u002Fstrong>\u003C\u002Fspan>”的报告，上面这个结论就来自这份报告。它震惊了全球的动物保护组织，也让我们忧心不已。在记忆中，在塞伦盖蒂成群逡巡的大象，简直是非洲的标志。我们即将失去大象——这种聪明、温柔又神奇的动物吗？\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"text-align: center;margin-top: 10px;margin-bottom: 10px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"max-width: 100%;vertical-align: middle;display: inline-block;line-height: 0;box-sizing: border-box;\">\u003Cimg class=\"raw-image\" data-type=\"jpeg\" style=\"vertical-align: middle;box-sizing: border-box;\" src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797149-1-c3b3020a.jpg\">\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"text-align: center;color: rgb(177, 177, 177);font-size: 12px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"box-sizing: border-box;\">马拉维利翁代国家公园的大象 | npr\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"line-height: 2;padding-right: 8px;padding-left: 8px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">大象的敌人，除了人类活动导致的栖息地减少，就是\u003Cstrong style=\"box-sizing: border-box;\">\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">偷猎者\u003C\u002Fspan>\u003C\u002Fstrong>了。昂贵的象牙让许多人铤而走险，并且形成了一个全球黑市网络。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"line-height: 2;padding-right: 8px;padding-left: 8px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">许多人奋斗在反盗猎的前线。而他们最近有了一个新伙伴——\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">人工智能\u003C\u002Fstrong>\u003C\u002Fspan>（AI）。AI 能从大量的信息中找到规律，这不仅可以让大象的行为更加清晰，也会让偷猎者无从遁逃。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"margin-top: 10px;margin-bottom: 10px;padding-right: 6px;padding-bottom: 6px;text-align: center;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"padding-top: 6px;display: inline-block;background-color: rgb(237, 242, 238);box-sizing: border-box;\">\u003Csection style=\"margin-right: -6px;margin-bottom: -6px;margin-left: 6px;background-color: rgb(62, 104, 75);color: rgb(255, 255, 255);padding-right: 6px;padding-left: 6px;font-size: 20px;box-sizing: border-box;\">\u003Cp style=\"box-sizing: border-box;\">“聆听大象”\u003C\u002Fp>\u003C\u002Fsection>\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"line-height: 2;padding-right: 8px;padding-left: 8px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">非洲有两种大象：\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">非洲草原象\u003C\u002Fstrong>\u003C\u002Fspan>和\u003Cstrong style=\"box-sizing: border-box;\">\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">非洲森林象\u003C\u002Fspan>\u003C\u002Fstrong>。草原象比较容易被发现和跟踪，保罗·艾伦的“大象普查”项目就对它们的数量做过统计；而森林象，因为生活在茂密的雨林树冠之下，很难被调查人员识别。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">康奈尔大学的研究员彼得·弗雷格（Peter Wrege）团队多年来也一直在研究森林象，试图弄清它们的数量到底有多少，消失的速度有多快。但森林象的身影实在难以捕捉，于是弗雷格就想，不如做些不一样的尝试：\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">用声音寻找它们\u003C\u002Fstrong>\u003C\u002Fspan>。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">弗雷格为此定制了50个录音机，带着设备和团队前往中非的雨林。他将雨林划分为5千米见方的网格，在每个网格中，他的团队都会在大约7至9米高的树梢上放一个录音机，这要比大象用后腿站立举起象鼻的高度稍高一点。然后他们会按下录音键，开始录音。三个月后，他们会返回森林，找到录音机，更换电池，放入新的存储卡，然后重新收集一波数据。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">几个月过去后，录音机收集的丛林之声超过了几十万小时。这可不是找几个研究生帮忙整理就能搞定的事情。\u003Cstrong style=\"box-sizing: border-box;\">如何才能把这些录音进行分类，来找到他想要的大象的声音呢\u003C\u002Fstrong>？\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">在人工智能界，这被称为“\u003Cstrong style=\"box-sizing: border-box;\">\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">鸡尾酒会问题\u003C\u002Fspan>\u003C\u002Fstrong>”。在一个嘈杂的聚会上，人脑可以只专注于特定的人的声音，并将其放大到足以盖过其他所有声音，而AI经过训练，也可以做同样的事情。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">人工智能神经网络就对此非常擅长\u003C\u002Fstrong>\u003C\u002Fspan>。神经网络其实是一系列算法的集合，可以对信息进行聚集和分类，找到那些可能会被人类遗漏的规律。神经网络尤其擅长处理图像，因此弗雷格会通过软件把他收集的录音转换成声谱图（声波的可视化表现）。他的另一家公司为此搭建了神经网络，可以对丛林的各种杂音进行分类，然后识别出大象的声音。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"text-align: center;margin-top: 10px;margin-bottom: 10px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"max-width: 100%;vertical-align: middle;display: inline-block;line-height: 0;width: 70%;height: auto;box-sizing: border-box;\">\u003Cimg class=\"raw-image\" data-type=\"jpeg\" style=\"vertical-align: middle;width: 100%;box-sizing: border-box;\" src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797166-2-1caa0e7a.jpg\">\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"text-align: center;font-size: 12px;line-height: 1.4;color: rgb(204, 204, 204);padding-right: 8px;padding-left: 8px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"box-sizing: border-box;\">上图是两头大象通过低频隆隆声交流的声谱图。白线是20赫兹的位置，低于这个值的声波是次声波，人类是听不到的。| Elephant Listening Project\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"line-height: 2;padding-right: 8px;padding-left: 8px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">随后发生了一件有趣的事情。弗雷格和他的“聆听大象（Elephant Listening Project）”团队，在录音中听到了一些意料之外的声响：\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">枪声\u003C\u002Fstrong>\u003C\u002Fspan>。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">弗雷格认为枪声是偷猎行为的一个重要指征，他建立了另一个神经网络，这次的目的就是\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">寻找枪声\u003C\u002Fstrong>\u003C\u002Fspan>。他希望这一举措能给我们提供更多信息，让我们知道森林象被杀死的地点，甚至可以在偷猎者开枪之前就阻止他们。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"margin-top: 10px;margin-bottom: 10px;padding-right: 6px;padding-bottom: 6px;text-align: center;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"padding-top: 6px;display: inline-block;background-color: rgb(237, 242, 238);box-sizing: border-box;\">\u003Csection style=\"margin-right: -6px;margin-bottom: -6px;margin-left: 6px;background-color: rgb(62, 104, 75);color: rgb(255, 255, 255);padding-right: 6px;padding-left: 6px;font-size: 20px;box-sizing: border-box;\">\u003Cp style=\"box-sizing: border-box;\">公园经理的新装备\u003C\u002Fp>\u003C\u002Fsection>\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"line-height: 2;padding-right: 8px;padding-left: 8px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">用前沿技术阻止偷猎、保护动物，这并非是弗雷格的首创。四年前，在非洲国家马拉维利翁代国家公园（Liwonde National Park），一位名叫克雷格·里德（Craig Reid）的公园经理也萌生了相同的想法。那时里德刚接手利翁代，他发现这里的野生动植物保护区已经濒临崩溃了：基础设施破败不堪，道路被冲毁，偷猎行为蔚然成风，人们在公园里进进出出，无处可去的大象也严重威胁着附近生活的村民。“\u003Cstrong style=\"box-sizing: border-box;\">如果我们不进行干预的话，未来10年内，公园内的所有野生动植物都会彻底消失\u003C\u002Fstrong>。”他这样介绍说。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"text-align: center;margin-top: 10px;margin-bottom: 10px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"max-width: 100%;vertical-align: middle;display: inline-block;line-height: 0;box-sizing: border-box;\">\u003Cimg class=\"raw-image\" data-type=\"jpeg\" style=\"vertical-align: middle;box-sizing: border-box;\" src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797183-3-60a43720.jpg\">\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"text-align: center;font-size: 12px;color: rgb(204, 204, 204);box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"box-sizing: border-box;\">公园经理克雷格·里德 | npr\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">里德决定向大城市里的警察学习，使用人工智能和预测分析技术，希望能用这种方式更好地管理公园。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">推动“大象普查”项目的艾伦于2018年去世了，但他的公司开发了一款使用人工智能和预测分析功能的程序EarthRanger，这让里德的想法成为现实：\u003Cstrong style=\"box-sizing: border-box;\">让公园管理员的信息可以被机器汇总处理\u003C\u002Fstrong>。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">技术人员首先创建了一个实时可视化程序，管理人员可以在屏幕上查看所有的公园资产：管理员，动物，直升机以及来自传感器和安全摄像机的信息，全都集中在这里，只需点击鼠标就能查看了。它也给管理人员提供了分析工具，帮助他们更好地巡逻管理。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">可视化程序可以提供一个问题地区的\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">热点地图\u003C\u002Fstrong>\u003C\u002Fspan>，比如哪里有被下了针对动物的\u003Cstrong style=\"box-sizing: border-box;\">圈套\u003C\u002Fstrong>和\u003Cstrong style=\"box-sizing: border-box;\">陷阱\u003C\u002Fstrong>，哪里的围栏断裂了。这让管理人员能够快速响应公园的安全问题。这套系统还有一个人工智能组件，这会帮助程序采集所有信息，以提供管理公园的最佳建议。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"text-align: center;margin-top: 10px;margin-bottom: 10px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"max-width: 100%;vertical-align: middle;display: inline-block;line-height: 0;box-sizing: border-box;\">\u003Cimg class=\"raw-image\" data-type=\"jpeg\" style=\"vertical-align: middle;box-sizing: border-box;\" src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797208-4-1b529336.jpg\">\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"line-height: 1.4;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"text-align: center;white-space: normal;box-sizing: border-box;\">\u003Cspan style=\"font-size: 12px;color: rgb(204, 204, 204);box-sizing: border-box;\">利翁代国家公园执法部门主管保罗·奇迪耶拉（Paul Chidyera）和他的团队收缴的捕猎工具。捕猎者会把铁丝绑在两树之间，中间绕成一个环，然后用树枝在动物们常走的熟路上设置障碍，让它们绕道以落入圈套。| npr\u003C\u002Fspan>\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"margin-top: 10px;margin-bottom: 10px;padding-right: 6px;padding-bottom: 6px;text-align: center;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"padding-top: 6px;display: inline-block;background-color: rgb(237, 242, 238);box-sizing: border-box;\">\u003Csection style=\"margin-right: -6px;margin-bottom: -6px;margin-left: 6px;background-color: rgb(62, 104, 75);color: rgb(255, 255, 255);padding-right: 6px;padding-left: 6px;font-size: 20px;box-sizing: border-box;\">\u003Cp style=\"box-sizing: border-box;\">利翁代保卫战\u003C\u002Fp>\u003C\u002Fsection>\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">在利翁代，EarthRanger程序位于公园管理处后面一幢不起眼的砖房里。身穿迷彩服的管理员坐在电脑屏幕前，摆弄着对讲机，这看起来像一个中型城市警察局的指挥中心。这里有平面显示屏挂在墙上，闭路电视监视器，还有两张长桌子，上面摆着很多电脑。\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">各种庞杂的信息汇集到总部电脑里，然后在EarthRanger程序上完成分析和分类\u003C\u002Fstrong>\u003C\u002Fspan>。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">劳伦斯·蒙罗（Lawrence Munro）是公园的运营经理。他的工作是计划、安排和部署管理员巡逻，而 EarthRanger正在帮助他制定出最佳方案。墙上的屏幕上，正显示着公园的实时卫星图像。屏幕上有一些小象的图标，跟踪着来自大象项圈的GPS定位信号，还有一些小犀牛图标，它们跟踪的是公园深处保护区的稀有黑犀牛。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"text-align: center;margin-top: 10px;margin-bottom: 10px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"max-width: 100%;vertical-align: middle;display: inline-block;line-height: 0;box-sizing: border-box;\">\u003Cimg class=\"raw-image\" data-type=\"jpeg\" style=\"vertical-align: middle;box-sizing: border-box;\" src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797227-5-2843b810.jpg\">\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"text-align: center;white-space: normal;box-sizing: border-box;\">\u003Cspan style=\"color: rgb(204, 204, 204);font-size: 12px;box-sizing: border-box;\">芒罗正在使用EarthRanger程序，屏幕上显示的是过去一个月在公园内发现的捕兽陷阱。| NPR\u003C\u002Fspan>\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">\u003Cspan style=\"letter-spacing: 0px;box-sizing: border-box;\">蒙罗和公园的执法部门主管保罗·奇迪耶拉（Paul Chidyera）在房间后面的白板和前面的EarthRanger监视器之间来回移动。他们专注于屏幕上的两个特定数据集：\u003Cstrong style=\"box-sizing: border-box;\">过去一个月在公园中发现的陷阱的密度，以及管理员在同一时期记录的进出公园的脚印\u003C\u002Fstrong>。\u003C\u002Fspan>\u003Cbr style=\"box-sizing: border-box;\">\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">其中一名管理员单击鼠标，然后EarthRanger展示过去一个月里公园里的可疑活动。屏幕上布满了捕猎用的圈套，它们散布在公园的主干道周围。芒罗指出它们，思考了一分钟，然后指着一个十字路口说：“\u003Cstrong style=\"box-sizing: border-box;\">我们在那儿设置一个检查站。\u003C\u002Fstrong>”\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">“我们之前使用的系统，就是墙上贴着的一张地图。”芒罗说，“那时我们无法确切看到人员和交通工具的位置，只能依靠记忆和无线电通讯。有了实时地图以后，\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">我们可以做许多预判性的工作\u003C\u002Fstrong>\u003C\u002Fspan>。”\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"text-align: center;margin-top: 10px;margin-bottom: 10px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"max-width: 100%;vertical-align: middle;display: inline-block;line-height: 0;box-sizing: border-box;\">\u003Cimg class=\"raw-image\" data-type=\"jpeg\" style=\"vertical-align: middle;box-sizing: border-box;\" src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797264-6-74485f9e.jpg\">\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"text-align: center;font-size: 12px;letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;color: rgb(204, 204, 204);box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"box-sizing: border-box;\">利翁代的工作人员曾经主要靠对讲机确定管理员的位置，而今天他们有了高大上的实时地图。| npr\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">预判是要预见偷猎者可能会出现在哪里，就像警局在高犯罪率地区加强巡逻一样。这已经是警务工作的标准做法，但直到最近才真正应用到动物保护领域。有一个问题是搜寻的范围太广了，因为动物，尤其是大象，会漫游到很远的地方去，而管理员一次只能巡逻一个很小的区域。但这种冲突可以通过数据分析和人工智能解决。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">在利翁代，EarthRanger的分析帮助里德和团队找到了\u003Cstrong style=\"box-sizing: border-box;\">\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">之前可能遗漏的偷猎行为模式\u003C\u002Fspan>\u003C\u002Fstrong>。在仔细分析了两年的数据后，EarthRanger帮助他们梳理出了许多因素，这些因素乍一看并不会对偷猎行为产生什么影响，但实际另有玄机。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"margin-top: 10px;margin-bottom: 10px;padding-right: 6px;padding-bottom: 6px;text-align: center;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"padding-top: 6px;display: inline-block;background-color: rgb(237, 242, 238);box-sizing: border-box;\">\u003Csection style=\"margin-right: -6px;margin-bottom: -6px;margin-left: 6px;background-color: rgb(62, 104, 75);color: rgb(255, 255, 255);padding-right: 6px;padding-left: 6px;font-size: 20px;box-sizing: border-box;\">\u003Cp style=\"box-sizing: border-box;\">发薪日和偷猎有什么关系？\u003C\u002Fp>\u003C\u002Fsection>\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">对于天气状况和动物活动，他们已经关注了一段时间了。但他们也发现，\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">宗教节日和政府发薪日，也与公园犯罪活动的小幅升高有关联\u003C\u002Fstrong>\u003C\u002Fspan>。这是为什么呢？马拉维人认为野味很美味，因此我们有理由相信，人们会在发工资后立即下单购买昂贵的野味，而这也促使猎人进入国家公园来做上个几单。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">在过去，管理员可能要花一个月时间才能琢磨出这种规律。但是现在，他们可以每周甚至每天都研究数据，这也大大提升了他们制定战略的速度。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">这套方案行之有效。今年早些时候，与EarthRanger相连的传感器监测到公园东部有可疑活动，于是，公园执法部门负责人奇迪耶拉和团队安装了一个\u003Cstrong style=\"box-sizing: border-box;\">偷猎者摄像头\u003C\u002Fstrong>。这是一种小型的动作感应相机，相机使用了特殊算法，可以确定经过的物体是人还是动物。几天后，相机拍摄了有人进入公园的照片，并将照片和GPS坐标一起发送给了EarthRanger和奇迪耶拉的手机。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">凭借这张照片，奇迪耶拉得以前往附近的村庄识别入侵者。原来这是当地一个有名的偷猎者。奇迪耶拉说：“当他被捕并遭到质询时，他坦白了自己所做的一切。”回到公园后，管理员重新查看了EarthRanger数据库，并找到了同一个人拿着武器和套索进入公园的照片。而这些，都成为了审判时的有力证据。奇迪耶拉说：“在某些照片中，他甚至穿着相同的衣服，因此很明显是同一个人。\u003Cstrong style=\"box-sizing: border-box;\">这个惯犯最终获刑27年。\u003C\u002Fstrong>”\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"text-align: center;margin-top: 10px;margin-bottom: 10px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"max-width: 100%;vertical-align: middle;display: inline-block;line-height: 0;box-sizing: border-box;\">\u003Cimg class=\"raw-image\" data-type=\"jpeg\" style=\"vertical-align: middle;box-sizing: border-box;\" src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797301-7-c57e17b7.jpg\">\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"text-align: center;white-space: normal;box-sizing: border-box;\">\u003Cspan style=\"color: rgb(204, 204, 204);font-size: 12px;box-sizing: border-box;\">利翁代一处草原上的黑斑羚。| npr\u003C\u002Fspan>\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">评估EarthRanger对野生动植物公园的重大意义还为时尚早，但到目前为止，利翁代的数据可以说是十分鼓舞人心的。\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">在过去的两年中，公园里的偷猎行为直线下降。\u003C\u002Fstrong>\u003C\u002Fspan>里德说，在30个月的时间里，他们没有再丢失任何一只高价值的动物。曾经在危机边缘的动物园一改颓势，12000只大型哺乳动物和400多种鸟类在这里愉快生活。\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"margin-top: 10px;margin-bottom: 10px;padding-right: 6px;padding-bottom: 6px;text-align: center;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"padding-top: 6px;display: inline-block;background-color: rgb(237, 242, 238);box-sizing: border-box;\">\u003Csection style=\"margin-right: -6px;margin-bottom: -6px;margin-left: 6px;background-color: rgb(62, 104, 75);color: rgb(255, 255, 255);padding-right: 6px;padding-left: 6px;font-size: 20px;box-sizing: border-box;\">\u003Cp style=\"box-sizing: border-box;\">大象有语言吗？\u003C\u002Fp>\u003C\u002Fsection>\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"letter-spacing: 0px;padding-right: 8px;padding-left: 8px;line-height: 2;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"white-space: normal;box-sizing: border-box;\">不同于利翁代公园的惊心动魄，弗雷格在雨林中使用人工智能的故事要平淡得多，但他们的努力同样重要。他的森林象计数神经网络仍在训练中，因此还无法获得精确的数量。在此之前，他已经知道计算森林象的数目取决于无数的变量：天气、季节、还有他们放置收音装置的地点，但是人工智能还是发现了一些意想不到的事情。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">例如，\u003Cstrong style=\"box-sizing: border-box;\">在一年中的特定时间，大象似乎不会出现在森林的某些地方\u003C\u002Fstrong>。知道这一点非常重要，它可以影响公园管理员部署人力的方式。“比方说，我知道这七个月里大象不会在这一大片区域里出现，偷猎者不会在那里找到大象的，我就不需要派任何巡查队过去了。”弗雷格这样介绍。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">人工智能还可以帮助弗雷格解开一些未解之谜，比如\u003Cstrong style=\"box-sizing: border-box;\">\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">大象是否有语言\u003C\u002Fspan>\u003C\u002Fstrong>？\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">它们语言的复杂程度怎么样呢\u003C\u002Fstrong>\u003C\u002Fspan>？研究人员一致认为，大象是非常聪明的。他们观察到了大象复杂的社会制度以及它们如何保持长期关系。研究人员认为大象也可以通过复杂的方式进行交流。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">弗雷格说：“当你查看大象发出隆隆声的声谱图时，你会发现它很像人类发出元音的图片。当一个音调转变为另一个音调时，能量发生了变化，而这很可能意味着\u003Cstrong style=\"box-sizing: border-box;\">它们是不同的单词\u003C\u002Fstrong>。”\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">翻译这些单词的工作自然也会交给神经网络来承担。弗雷格希望，将来能够在丛林录音当中识别出\u003Cspan style=\"color: rgb(62, 104, 75);box-sizing: border-box;\">\u003Cstrong style=\"box-sizing: border-box;\">大象遇到困境和危险的声音\u003C\u002Fstrong>\u003C\u002Fspan>。这样，他们一听到大象的声音，就能够实时派出人员进行干预。这也许还需要几年的时间，但如果你问弗雷格，他是否认为AI能够拯救大象，答案是毫不含糊的。\u003C\u002Fp>\u003Cp style=\"white-space: normal;box-sizing: border-box;\">“我完全相信，” 他说， “AI会成为我们的最强援兵。”\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"font-size: 12px;color: rgb(120, 120, 120);line-height: 2;letter-spacing: 0px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Cp style=\"text-align: center;white-space: normal;box-sizing: border-box;\">\u003Cspan style=\"color: rgb(204, 204, 204);letter-spacing: 0px;box-sizing: border-box;\">作者：\u003C\u002Fspan>\u003Cspan style=\"letter-spacing: 0px;text-align: justify;color: rgb(204, 204, 204);box-sizing: border-box;\">Dina Temple-Raston\u003C\u002Fspan>\u003C\u002Fp>\u003Cp style=\"text-align: center;white-space: normal;box-sizing: border-box;\">\u003Cspan style=\"color: rgb(204, 204, 204);box-sizing: border-box;\">翻译：大琳砸\u003C\u002Fspan>\u003C\u002Fp>\u003Cp style=\"text-align: center;white-space: normal;box-sizing: border-box;\">\u003Cspan style=\"color: rgb(204, 204, 204);box-sizing: border-box;\">编辑：李子李子短信\u003C\u002Fspan>\u003C\u002Fp>\u003Cp style=\"text-align: center;white-space: normal;box-sizing: border-box;\">\u003Cspan style=\"color: rgb(204, 204, 204);box-sizing: border-box;\">编译来源：https:\u002F\u002Fwww.npr.org\u002F2019\u002F10\u002F25\u002F760487476\u002Felephants-under-attack-have-an-unlikely-ally-artificial-intelligence\u003C\u002Fspan>\u003C\u002Fp>\u003C\u002Fsection>\u003Csection style=\"text-align: center;margin-top: 10px;margin-bottom: 10px;box-sizing: border-box;\" powered-by=\"xiumi.us\">\u003Csection style=\"max-width: 100%;vertical-align: middle;display: inline-block;line-height: 0;box-sizing: border-box;\">\u003Cimg class=\"raw-image\" data-type=\"png\" style=\"vertical-align: middle;box-sizing: border-box;\" src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797320-8-8c53ddc7.png\">\u003C\u002Fsection>\u003C\u002Fsection>\u003C\u002Fsection>\u003Csection style=\"white-space: normal;box-sizing: border-box;font-size: 16px;\">\u003Csection powered-by=\"xiumi.us\" style=\"margin-top: 10px;margin-bottom: 10px;box-sizing: border-box;\">\u003Csection style=\"padding: 10px;display: inline-block;width: 574px;border-width: 2px;border-style: dashed;border-color: rgb(9, 9, 9);border-radius: 0.7em;box-shadow: rgb(0, 0, 0) 0px 0px 0px;box-sizing: border-box;\">\u003Csection powered-by=\"xiumi.us\" style=\"padding-right: 8px;padding-left: 8px;line-height: 2;font-size: 15px;box-sizing: border-box;\">\u003Cp style=\"box-sizing: border-box;\">\u003Cstrong>\u003Cspan style=\"font-size: 18px;\">AI的大力发展让我们的生活充满了各种可能性，你希望AI能帮你分析解决什么问题？\u003C\u002Fspan>\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp class=\"p1\">\u003Cspan style=\"font-size: 14px;color: rgb(62, 62, 62);\">\u003Cspan style=\"color: rgb(62, 62, 62);font-size: 14px;\">扫描下方二维码，来果壳群落分享你的想法！\u003C\u002Fspan>\u003Cspan style=\"color: rgb(62, 62, 62);font-size: 14px;\">果壳群落是科学青年自由交流的地方，在这里你能看到优质的内容，可以和小伙伴进行科学讨论，还能关注科学领域的新进展，让志同道合不再有距离！\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\u003C\u002Fsection>\u003Csection powered-by=\"xiumi.us\" style=\"margin-top: 10px;margin-bottom: 10px;text-align: center;box-sizing: border-box;\">\u003Csection style=\"max-width: 100%;vertical-align: middle;display: inline-block;line-height: 0;box-sizing: border-box;\">\u003Cimg class=\"raw-image\" data-backh=\"237\" data-backw=\"550\" data-before-oversubscription-url=\"https:\u002F\u002Fmmbiz.qpic.cn\u002Fmmbiz_png\u002FicZklJrRfHgAtctBbCkGnhQh9Vib9vLdUicwCHfZxIxSOL3iccpeXTbE6x5J1V9FSbFlJyII6vJ63ib0zBLNXPIeIqQ\u002F640?wx_fmt=gif\" data-cropselx1=\"0\" data-cropselx2=\"550\" data-cropsely1=\"0\" data-cropsely2=\"237\" data-type=\"png\" style=\"height: 237px;vertical-align: middle;box-sizing: border-box;width: 551px;\" src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797357-9-fc7f846b.png\">\u003C\u002Fsection>\u003C\u002Fsection>\u003C\u002Fsection>\u003C\u002Fsection>\u003C\u002Fsection>\n\t\t\t\t",[20,23,27,31,35,39,43,47,51,55],{"sourceUrl":21,"localPath":22,"publicUrl":10},"https:\u002F\u002F3-im.guokr.com\u002FvAXC_bS9y8uTaDCQRmIEXg77z8bFlT0apyUrcFAsBXGBAwAAfwEAAEpQ.jpg","C:\\www\\images\\nature\\20260619\\image-1781831797132-0-250ce686.jpg",{"sourceUrl":24,"localPath":25,"publicUrl":26},"https:\u002F\u002F3-im.guokr.com\u002FkqNa2YhykhvuBHew9318kMOGg9SOaOC8XYJl0DX4gcToAwAA6AMAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F555","C:\\www\\images\\nature\\20260619\\image-1781831797149-1-c3b3020a.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797149-1-c3b3020a.jpg",{"sourceUrl":28,"localPath":29,"publicUrl":30},"https:\u002F\u002F3-im.guokr.com\u002FSgddD2peCwU0b53obO7mzN4n1iynGM2aXuIFKtsFnwQAAgAA3AIAAEpQ.jpg","C:\\www\\images\\nature\\20260619\\image-1781831797166-2-1caa0e7a.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797166-2-1caa0e7a.jpg",{"sourceUrl":32,"localPath":33,"publicUrl":34},"https:\u002F\u002F3-im.guokr.com\u002FRD212Dwkx9ys6gUZGhlotYRuSRTDUrSVQG_nRjFUqP04BAAAzwIAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F369","C:\\www\\images\\nature\\20260619\\image-1781831797183-3-60a43720.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797183-3-60a43720.jpg",{"sourceUrl":36,"localPath":37,"publicUrl":38},"https:\u002F\u002F3-im.guokr.com\u002Fi23RPZ0Hw3Ex5Q9N2f6W1cO2IBdfCtOz5RHTb61IHAU4BAAAzwIAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F369","C:\\www\\images\\nature\\20260619\\image-1781831797208-4-1b529336.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797208-4-1b529336.jpg",{"sourceUrl":40,"localPath":41,"publicUrl":42},"https:\u002F\u002F3-im.guokr.com\u002FK58z6i5G8OGiCbB4fStR5qUW6gIkVEsOoOZXXUHwQ104BAAAzwIAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F369","C:\\www\\images\\nature\\20260619\\image-1781831797227-5-2843b810.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797227-5-2843b810.jpg",{"sourceUrl":44,"localPath":45,"publicUrl":46},"https:\u002F\u002F1-im.guokr.com\u002F4Q264ZSrpUjkHnULVfbwcr-dGrRexjBBm6ILKra99MU4BAAAzwIAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F369","C:\\www\\images\\nature\\20260619\\image-1781831797264-6-74485f9e.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797264-6-74485f9e.jpg",{"sourceUrl":48,"localPath":49,"publicUrl":50},"https:\u002F\u002F1-im.guokr.com\u002FiQPQv2RcMj7T_yCE0vQ8oGi1o0CdfRMgGrYcg3GbvNM4BAAAzwIAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F369","C:\\www\\images\\nature\\20260619\\image-1781831797301-7-c57e17b7.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797301-7-c57e17b7.jpg",{"sourceUrl":52,"localPath":53,"publicUrl":54},"https:\u002F\u002F3-im.guokr.com\u002FtqOF0GrYiaVDD6WQ5PlE63L4y8eRBpRVafL1ZNO52D_oAwAA5QEAAFBO.png?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F269","C:\\www\\images\\nature\\20260619\\image-1781831797320-8-8c53ddc7.png","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797320-8-8c53ddc7.png",{"sourceUrl":56,"localPath":57,"publicUrl":58},"https:\u002F\u002F1-im.guokr.com\u002FwPzMtU0rVcaLK_6MTT1MWJR-BocxGhROjukPunu7qPzoAwAArgEAAFBO.png?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F238","C:\\www\\images\\nature\\20260619\\image-1781831797357-9-fc7f846b.png","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fnature\u002F20260619\u002Fimage-1781831797357-9-fc7f846b.png","https:\u002F\u002Fwww.guokr.com\u002Farticle\u002F455986\u002F"]