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。几年前，微软的联合创始人保罗·艾伦（Paul Allen）发表了一项名为“大象普查”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？
大象的敌人，除了人类活动导致的栖息地减少，就是偷猎者了。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。许多人奋斗在反盗猎的前线。而他们最近有了一个新伙伴——人工智能（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。
非洲有两种大象：非洲草原象和非洲森林象。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。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：用声音寻找它们。
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。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。
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？在人工智能界，这被称为“鸡尾酒会问题”。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。人工智能神经网络就对此非常擅长。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。
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：枪声。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，这次的目的就是寻找枪声。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。
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。
“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。”他这样介绍说。
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。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：让公园管理员的信息可以被机器汇总处理。
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。可视化程序可以提供一个问题地区的热点地图，比如哪里有被下了针对动物的圈套和陷阱，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。
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。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。
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。
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：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。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：“我们在那儿设置一个检查站。”
“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，我们可以做许多预判性的工作。”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。
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。
在利翁代，EarthRanger的分析帮助里德和团队找到了之前可能遗漏的偷猎行为模式。
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。发薪日和偷猎有什么关系？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，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。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。
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。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偷猎者摄像头。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。
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。这个惯犯最终获刑27年。”
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。在过去的两年中，公园里的偷猎行为直线下降。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。
大象有语言吗？
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。例如，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。
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。
人工智能还可以帮助弗雷格解开一些未解之谜，比如大象是否有语言？它们语言的复杂程度怎么样呢？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。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，而这很可能意味着它们是不同的单词。”
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大象遇到困境和危险的声音。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。“我完全相信，” 他说， “AI会成为我们的最强援兵。”