蜉蝣-北京密云区北庄镇摄
北京密云区清水河畔，北庄镇的初夏午后，空气微凉，远未到生物活跃的巅峰时节。
一场不期而至的细雨，为这片山水蒙上了一层薄纱。自然教育平台“ 科普游子” 的向导指向树杆上振翅欲飞的微小身影：“ 看，一只蜉蝣。它可能只有今天了。”—— 朝生暮死，这是蜉蝣注定的生命轨迹。
周围人群屏息凝神，将手机镜头悄然对准这短暂的生命，“ 野朋友计划” 小程序的 AI 识图随即响应，关于蜉蝣“ 一日一生” 的百科知识便出现在屏幕之上。
在 AI 识别的辅助下，人们手中的手机镜头成为了探索自然的“ 翻译器”。短短 4 小时，竟识别并记录了超过 60 多种形态各异的生命。“ 根据今年 5 月 22 日的最新数据，北京一共有 7121 种野朋友。” 向导表示，这是北京已探明的物种数据。在科普游子的愿景中，他们希望通过 AI 识别、记录，公众有兴趣、低门槛参与生物多样性保护，这或许能继续扩大北京的生物多样性拼图。
AI 识图+追问，构建公众参与的便捷通道
上述提到的向导名叫“ 猫头鹰”，这是他为自己取的“ 自然名”，代表着他深入研究的领域是鸟类。
和向导猫头鹰一样，“ 科普游子” 还汇聚了众多精通不同自然领域的年轻向导，沧龙、冰藻、山丘...... 他们一直践行着平台创办初衷：带领都市人走进自然认识植物、鸟类、走兽、昆虫，重建人与自然的关系。
北庄镇的周末，经常能看到向导们带领都市人群探索自然的身影，然而，在频繁的公众科普活动中，一个普遍痛点日益凸显：公众虽有强烈的参与生态保护的意愿，却苦于找不到便捷的参与途径，难以与专业机构建立联系，更缺乏识别物种和获取相关知识的渠道。
这一痛点其实早已被国家政策关注，今年 1 月，生态环境部发布的 《中国生物多样性保护战略与行动计划 （2023—2030 年）》 中明确提出，要拓宽全民参与渠道，发展生物多样性公民科学，搭建以智能手机和互联网为主要手段的全民参与监督平台，促进实现生物多样性数据积累、共享和良性发展。
发展生物多样性公民科学，找到合适的公众参与入口非常关键。腾讯“ 野朋友计划” 微信小程序就是在这样的背景下建立起来的。据笔者了解，为了能够快速响应用户不断发起的识别交互需求，“ 野朋友计划” 小程序底层搭载了基于腾讯混元大模型的 AI 物种识别与智能问答交互功能“ 混小野”。这是首次将 AI 技术深度应用于普通公众日常参与生态保护的场景。
公众不需要复杂设备，只需操作手机拍摄或上传图片，“ 混小野” 便会自动发起对话：“ 这是什么动物/植物？” 在获得 AI 生成的物种信息后，公众还能进一步追问，获取拓展知识。
混小野交互界面
在现场向导的指导下，我们将偶遇的赤练蛇拍照进行了物种鉴别，当询问普遍认知的“ 打蛇打七寸是真的吗？蛇的七寸是哪里？” 混小野不仅能科学的纠正这一说法，还介绍了不同蛇类的身体结构与七寸的实际位置，并给出安全建议，完成从识别到深度知识获取的闭环交互。
AI 代替人海筛图，机构工作量从两周压缩至分钟级
参与生物多样性保护的主力军不仅包括公众，更有众多专业保护机构。机构们通常将红外相机监测作为最主要的科技手段，进行生物多样性保护的数据采集。
被誉为“ 高山生态系统的守护者” 的雪豹，是红外相机镜头下的明星。作为高山生态系统的旗舰物种，保护雪豹的栖息地可同时庇护雪雀、岩羊等 30-40 种伴生生物，堪称青藏高原生态保护的“ 关键钥匙”。
但在红外相机传回的照片中，雪豹并不总能霸占 C 位，这源于红外相机的“ 敏感脾气”，有时一片落叶飘落都有可能触发快门。总体而言，长期的红外相机监测作业中面临着两大痛点：复杂环境拍摄导致图像质量参差不齐，空拍误触产生海量无效数据。
然而，除雪豹外还有许多其它需要监测的物种，红外相机的部署量也日渐增多，随之而来的是海量图像资料的数据处理压力。
以一个保护区为例，为了勘测野生动物活动，它会在区内布设 30-100 台红外相机，一台相机一个周期内拍摄 300-500 张照片，以每次部署 3 个月回收一次来计算，一个保护区一年就会产生几万到几十万的不等的红外相机图像数据。这些图像数据会交由保护人员、志愿者进行人工识别、分类存储，而一人一天只能处理 3000-5000 张图片。高强度的标注工作下，仍可能因疲劳导致误判漏判。
AI 技术为解决这一困境提供了关键方案，即用智能识别代替人海筛图。
多家生物多样性保护机构与腾讯联合，打磨出了“ 物种之眼”AI，以此为底层能力面向 G/B 端开放“ 野朋友生物多样性数据协作平台”，对野外红外相机、监测设备拍摄的图片进行批量处理，服务于种群调查、栖息地评估等科研和保护场景。
“ 过去人工筛选两周的工作量，AI 只需几分钟即可完成，且准确率达 85%-95%。” 腾讯 SSV 技术生态负责人李哲介绍道。
不过，在机构端面临的一个问题是，效率提升的同时，成本是否会随之上升？
据了解，“ 物种之眼” 依托了腾讯自研 YOLO-World 技术架构，只需要使用一个模型就能实现物种定位与识别功能一体化。此外，与传统模型需要几千张数据进行单一物种的识别训练不同，它还具有多模态零样本识别与少样本识别能力，这意味着它可通过少量样本迅速识别多物种的动物位置区域和物种信息，甚至识别并定位未经训练过的物种。同时，YOLO-World 的端侧部署特性也能降低成本，加速 AI 技术的落地效率。
AI 赋能不仅解放了人力，更让科研人员能将宝贵精力聚焦于数据深度分析和制定更有效的保护策略。
打通链条，构建数据驱动的生态保护闭环
生态保护机构与公众参与者本应是相互依存、协同共进的整体。机构倡导并需要公众参与的力量，而公众通过“ 野朋友” 等平台互动获取的知识内容又直接来源于这些权威机构。
如何打通普通公众与专业机构之间的沟通屏障？围绕数据链接二者，形成数据的正向循环，是目前探索出的一种解决方案。
打开“ 野朋友计划” 小程序，其设置了“ 宅家找动物” 与“ 出门找动物” 两大场景，将公众参与划分为线上数据处理，和线下数据采集。
“ 野朋友” 小程序页面
机构通过“ 物种之眼” 高效处理的红外相机数据会出现在小程序，公众所做的线上数据处理，就是在照片中找到并识别野生动物。为了让公众形成有效助力，小程序研发团队将机构日常开展物种标注任务的工作流程进行了工具化拆解，公众只需完成简单的三个步骤：判断照片中是否有动物、识别照片中的动物数量、框出看到的动物，就能配合 AI 识别完成数据标注。
随着完成任务的次数增加，公众也会逐步解锁更具挑战性的标注任务。与此同时，在每一个环节的识别，小程序后台都会随机分配任务、进行多用户的交叉验证，以此确保标注结果的准确性和一致性。
线下数据采集则倡导公众走入自然随手记录，通过拍照、录音、写下笔记的方式积累自然物种数据。这些记录数据也会同步提交至权威生态保护机构，为后续专家学者的数据核验和统计提供有效信息，反哺 AI 模型训练。同时，为了确保每条记录的科学可靠，专业生物学者还会定期对 AI 识别结果进行人工鉴定。此外，考虑到公众在记录中的高频问题其实是“ 不知道这是什么物种”，记录中也添加了 AI 识别功能“ 混小野”，提高记录频率。
至此，一条由技术创新驱动、连接专业机构与广泛公众、实现数据采集-处理-应用-反哺闭环的生态保护协作链条正在形成，为全民参与生物多样性保护铺就了一条切实可行的道路。据李哲介绍，腾讯技术公益团队在与多个合作机构分析项目数据后发现，“ 公众提交的守护物种的数据+AI 分析” 模式，使公民科学效率提升了 400%。
从激发公众探索身边的自然，到 AI 解放科研人力，技术让我们得以更清晰地“ 看见” 那些曾被忽略的“ 野朋友”。当 AI 成为连接公众与自然的纽带，这份对万千“ 野朋友” 的守护，最终也将回馈到人类自身赖以生存的生态根基—— 科技向善的意义，也正在于此。（本文首发钛媒体 APP 作者 | 贾雨微）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
